皂液器基准测试！
摘要
基准测试结果比较了AI模型如Opus 5.5、DeepSeek V4.1 Flash和ChatGPT 5.6 Sol在生成皂液器机制的HTML动画方面的表现。
提示：创建一个动画，展示皂液器机制如何在一个完整的HTML文件中工作。结果：Opus 5.5 - 高：https://reddit.com/link/1wrsqbj/video/3t6nuj2134sh1/player DeepSeek V4.1 Flash：https://reddit.com/link/1wrsqbj/video/m8i5hsl434sh1/player Qwen 3.8 Max：https://reddit.com/link/1wrsqbj/video/ukkl5qp734sh1/player ChatGPT 5.6 Sol - 高：https://reddit.com/link/1wrsqbj/video/ia840utb34sh1/player Opus 5 - 高 https://reddit.com/link/1wrsqbj/video/hzmnavof34sh1/player
相似文章
@DavidOndrej1: Opus 5 在网页搜索和抓取方面更好，我们的研究显示它比 GPT 5.6 Sol 好 69%
一条推文分享了 DeepAPI 基准测试结果，声称 Opus 5 在创建网页搜索查询方面比 GPT-5.6 Sol 好 69%，赢得了全部 53 项盲测对比。
在SlopCodeBench上对Opus 5进行基准测试
在SlopCodeBench基准测试中对Opus 5模型的性能进行测试。
@browser_use: Opus 5 和 GPT-5.6 Sol 在此不相上下！
Alexander Yue 推出了一项新的浏览器使用基准测试，其中 Opus 5 和 GPT-5.6 Sol 表现相似，强调了基准测试的稳健设计，包括为大语言模型评委提供的经过验证的评分标准。
@dzhng: 前沿模型在一次性生成网页应用方面已经变得非常出色，以至于它不再出现在我的个人基准测试中。相反，一个……
前沿模型在生成网页应用方面已经变得非常熟练，以至于作者现在以从头构建WebGPU水渲染器为基准，比较了Opus-4.8和采用GPT-5.5实现器的Fable-5编排器。
@FuckAnthropic: 做了对比分析，综合看，DeepSeek V4 Flash-0731 大致是一个 Opus 4.7 - 4.8 之间水平的模型，以极小激活规模进入了前沿 Agent 模型竞争区间，用约 1/12～1/60 的 token 成本进入前沿 Ag…
作者对比分析认为，DeepSeek V4 Flash-0731 在极小激活规模下达到 Opus 4.7-4.8 水平，以极低 token 成本进入前沿 Agent 模型区间，整体超越 GLM-5.2，但短板仍是困难仓库级编程和长时程工程。