Opus 5 基准测试 (ARC-AGI3 上达到 30.2%!!!)
摘要
Opus 5 在 ARC-AGI3 基准测试中达到 30.2%，标志着显著的性能提升。
暂无内容
相似文章
Opus 5 在 ARC AGI 基准测试中取得了最高分
Opus 5 在 ARC AGI 基准测试中获得了高分，表明其具有先进的推理能力。
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。
Claude Opus 4.8 在 ARC-AGI 3 上得分超过 1% !!
Claude Opus 4.8 在 ARC-AGI 3 基准测试中取得了超过 1% 的分数，表明在一项困难的人工智能推理测试上取得了轻微进展。
@orca_build: Anthropic的新款Opus 4.8在Terminal-Bench 2.1上的得分比GPT 5.5低3.6%……但在UI任务上明显更出色。
Anthropic的Opus 4.8在Terminal-Bench 2.1上比GPT 5.5低3.6%，但擅长UI任务；Orca的编排功能让Codex能将UI任务委托给Claude Code。
Fable 5 的 ProgramBench 结果已出，性能是 Opus 4.8 的两倍，即使 99% 的运行回退到 4.8
ProgramBench 结果显示，Fable 5 的性能是 Opus 4.8 的两倍，即使在 99% 的运行中回退到 4.8。