TheOnlyVibemaster

开源项目 Livenerf 追踪 Opus 5.5 性能，以检测潜在的“削弱”

一个名为 Livenerf 的开源项目已被开发出来，用于独立追踪和衡量 Anthropic 的 Opus 5.5 模型随时间推移的性能变化。该项目使用 SWE-bench 和 SciCode 等既定基准，并采用标准化的科学方法来检测模型发布后可能出现的“削弱”或性能下降。虽然目前正在进行数据收集，但在模型发布后约二十天才能得出关于性能变化的明确结论，当前数据将有助于基线评估。