rbench 早期数据：Opus 5.5 开 max 思考档通过率近乎腰斩
Rasmic · x · 2026-11-15
开发者 Rasmic 分享 rbench 基准的早期结果：Claude Opus 5.5 从 xhigh 切到 max 思考档，通过率下降接近 50%（图中约 100% → 50%）。配图还显示 max 档每任务耗时升至 17.9 分钟、成本高达 $6.19，远高于 xhigh 档；GPT-5.1 在 high 档约 80–86.7% 通过率、每任务仅 $0.43。作者结论：「你几乎永远不该用 max 档」，并强调这只是很早期的跑分结果。
「编程与Agent」频道最新
- IBM 工程师谈可信 AI 评测：校准 LLM 评审，别只看最终答案 — TejasKumar_ · 2026-11-15
- Antigravity 浏览器 Agent 群实测：把人像自动画进 Google Sheets — Saboo_Shubham_ · 2026-11-15
- CrommaCode 发布：为观看 Claude Code 干活而生的游戏化终端 — huangyun_122 · 2026-11-15
- 博主用 MCP server 接 Ollama 驱动 Final Cut Pro,5 分钟粗剪 30 分钟视频 — Technovangelist · 2026-11-15
- lattedit：免费本地优先的浏览器 LaTeX 编辑器，还为 AI Agent 开了编译 API — cneuralnetwork · 2026-11-15
- 社区 wrath-mcp harness 让弱模型低成本高效对战 — max_paperclips · 2026-11-15