Anthropic 发布了 Claude Opus 5，该模型在 ARC-AGI-3 基准测试中取得了经核实的 30.16% 的分数，比之前的最佳成绩 7.78% 有了显著的四倍提升。该基准测试旨在评估 AI 在没有明确指令的情况下，在不熟悉交互环境中的适应能力。新模型拥有百万级 token 的上下文窗口，并且 API 定价与前代 Opus 4.8 相同，但其默认的推理能力可能会增加部分用户的运营成本。 AI
影响 在适应性基准测试中设定了新的 SOTA（State-of-the-Art），可能影响未来的模型开发和评估策略。
排序理由 前沿实验室模型发布，包含系统卡和基准测试结果。[lever_c_demoted from frontier_release: 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 →
