新闻资讯7
卡帕西：《指环王》接棒评测大模型
量子位
AI 摘要
卡帕西：Anthropic用《指环王》开启大模型新评测，Opus 5生成粗糙3D场景。网友测试创意足，但新测试成本高引争议，其或考验模型通用推理能力。
阅读原文 · 量子位
Show me《指环王》！卡帕西强推大模型评测新基准
大神卡帕西宣称Anthropic用《指环王》给大模型评测上强度，这一‘指环王基准’正接替‘鹈鹕骑自行车’SVG测试。虽Opus 5生成的画面粗糙，但网友测试展现出丰富创意，不过新测试也引发争议。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯7
Anthropic：Claude暗中降智引风波
开发者argofowl排查后发现Claude Code将「high」推理程度读成原本「low」对应的值，原来Anthropic在做实验。科技博主曝光后AI圈炸锅，工程师虽回应，但Opus 5也被指降智。
新智元
新闻资讯7
Anthropic新模型补位，Fable 5爆冷遇尴尬
Anthropic提前曝光两个新模型claude-mashmallow-eap和claude-melon-eap，早期实测Marshmallow更佳。此前上线的最强Fable 5爆冷，企业调用少，营收低，其弟Opus 5反而胜出，开源模型也在抢占份额。
新智元
新闻资讯7
Agent在真实工作场景成功率低
作者有感于AI在真实工作场景评测的稀缺性，以阿里国际站RealReplicaBench评测集为例，介绍电商场景任务，发现多数模型成功率低，其他领域类似，呼吁厂商努力，作者也计划自跑评测更新排名。
数字生命卡兹克
新闻资讯8
Opus 5通关测试：强模型需简单环境
ARC Prize官方给Opus 5的ARC - AGI - 3成绩为30.2%，但开发者Jeremy Berman让其借助电脑，正确率飙升至96.2%。还开源代码，换用Codex等测试效果差。表明模型强时，简单环境更佳。
新智元