产品应用8

Claude Opus破大神4年Bug

AI寒武纪2025-05-27

AI 摘要

C++大神ShelZuuz：一个困扰四年、投入200小时未解决的Bug，Claude Opus几小时搞定，此前GPT - 4.1等模型折戟。但在编写新代码上，AI目前像初级开发者。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

腾讯 WorkBuddy 开源评测，曝光多模型底牌

腾讯 WorkBuddy 团队将内部模型选型评测等开源成 Benchmark，公开多模型 Agent 工作台选型底牌。Bench 优点是任务分布真实且开源可审计，论文介绍了核心方法论、四大赛道拆解、榜单结果，还对比了现有工作。

新智元报道，UniPat AI的SaaS - Bench实战考卷，用23个真系统、106个任务测试Agent。结果显示，Claude Opus 4.7完全通过分数仅3.8%，多数模型全军覆没，暴露了Agent在真实环境中的四种致命缺陷。

Anthropic开发者大会聚焦Agent，分享多智能体实战经验。Omni的Blobby出现‘精神分裂’问题，根源是内外层Agent能力认知断裂，修复方案是将工具上提。Anthropic团队则通过协商签订协议解决角色定义不一致问题。

Anthropic内容管理系统配置失误，近3000个未发布资产泄露，Claude最新模型Mythos提前公开。它在软件编码、学术推理和网络安全等测试中远超Opus，网络安全能力尤其危险。2026年初Anthropic产品密集发布。