Anthropic 的 Opus 5 模型在一个简单的基准测试中获得了第二名，仅比 Fable 低 1%，比人类表现低 3%。这一表现表明大型语言模型的能力取得了具有竞争力的进步。 AI
影响 Opus 5 的基准测试表现表明，在某些任务上，大型语言模型的能力正持续进步，接近人类水平。
排序理由 该集群报告了一个模型的基准测试表现，属于研究里程碑。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<table> <tr><td> <a href="https://www.reddit.com/r/singularity/comments/1v5igzq/opus_5_claims_second_place_on_simple_bench/"> <img alt="Opus 5 claims second place on simple bench" src="https://preview.redd.it/tr5l7w11t7fh1.jpeg?width=640&crop=smart&auto=webp&s=c73d252…