HLE-Diamond实测:高推理档位Claude Opus 5.5提26分但成本贵35倍
ArtificialAnlys · x · 2026-10-30
Artificial Analysis 发布 HLE-Diamond 评测的完整数据,包含得分、token 用量与单任务成本。
核心发现是推理力度(effort)档位与成本收益的权衡:
- Claude Opus 5.5:从 low 到 max effort,得分从 42% 涨到 68%(+26 分),但单任务成本约为 35 倍
- GPT-6 Astra:得分从 45% 涨到 64%(+19 分),成本约 11 倍
结论:高档推理能显著拉高 HLE-Diamond 成绩,但边际收益伴随陡峭的成本增长,不同模型的成本效率差异很大。完整得分、token 消耗与每任务成本数据可在其官网查看。
所属事件:Artificial Analysis 发布 HLE-Diamond 榜单，Gemini 4 Carbon 居首(4 条相关)→
「模型」频道最新
- 用户吐槽 Grok Bot Windows 端：消息闪烁、bot 群聊通知轰炸、语音时好时坏 — IndraVahan · 2026-10-30
- Altman 自曝:OpenAI 曾差点放弃按 token 计费，因用户反对作罢 — menhguin · 2026-10-30
- 用户实测:$1 的 Son 成本是 Opus 的 7 倍,但按任务算仅 1.3 倍 — alvelda · 2026-10-30
- Claude 能给对答案却证不出时间复杂度 — geoffreyirving · 2026-10-30
- 医疗公司运营部门单日烧掉11.9亿枚 Opus token — RishabJainK · 2026-10-30
- 曝 Kimi K3.1 Pro 系列将亮相，11 月 4 日开放权重，_progress index_ 已超 Fable 5 — teortaxesTex · 2026-10-30