新闻资讯8

Opus 5通关测试：强模型需简单环境

新智元2026-08-13

AI 摘要

新智元报道，Opus 5经开发者Jeremy Berman测试，借助电脑ARC - AGI - 3测试正确率从30.2%升至96.2%。代码开源后测试其他模型效果差。Berman认为强模型需简单环境，架子会成束缚。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

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。

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。

LLM大爆发，一天内推出Grok 4.6、Qwen3.8 - Max、DeepSeek - V4 - Pro - 0813三款前沿产品。社区对它们进行多场景测试，如3D场景、Flappy游戏、飞机滑行动画等，并对比了不同模型的性能、价格和输出质量。

Andrej Karpathy 让 Opus 5 根据《指环王》开篇文字，用 Three.js 制作三维场景，成本约 10 美元，两小时写出 5500 行代码。虽效果粗糙但有趣，他设想未来大模型能按需生成虚拟世界，不过也暴露大模型难以检查成果的问题。