2. Linux.do
  3. 重磅分析：目前来看Opus 5.5 似乎 *大幅* 提升了帕累托前沿，实现了智价比的飞跃

重磅分析：目前来看Opus 5.5 似乎 *大幅* 提升了帕累托前沿，实现了智价比的飞跃

VrianCao 2026-09-23 01:47 1

综合了多个Cost/Intelligence数据来分析，目前看来Opus的甜点档位为Medium/High，在更多数的任务中，High会是更好的选择


在CursorBench 4.0中，Opus 5.5实现了近乎平地起高楼的效果，实现了智价比的飞跃




在PPLX的WANDR测试中，Opus 5.5在分数略微超越Fable 5.1的情况下，仅使用了其三分之一的费用，整体的点位大幅向左上角的帕累托前沿推进




在AAII中，Opus 5.5的所有Reasoning Effort均处于帕累托前沿，每个档位都领先于所对标的模型




FrontierCode V1.1中领先当前的全部模型，且大幅推进帕累托前沿




Terminal-Bench 4.0依旧领先所有模型，且只需要约三分之一的费用即可实现与Astra同等水平


最新回复 (8)
  • apparition 09-23 01:53
    1楼

    真的吗? 不太相信呢

  • VrianCao 楼主 09-23 01:55
    2楼

    关于DeepSWE分数：


    我倾向于是因为当前的DeepSWE V1.1已实际饱和，其理论最高分即~80%，而且这玩意实在是太好刷了，Anthropic没理由不公布


    更详细的信息可参考：



    [image]
    Epoch AI在前几天完成了对多个Benchmark的审计，证明了DeepSWE V1.1是存在缺陷的，当前已实际饱和，前沿模型已实际追进了可获得的最高分
    参考：
  • OneDingZ 09-23 01:58
    3楼



    DeepSWE有分数的，只是没图表，草草描述了几句，取了5次测试的平均值。

    注：Astra的分数为74.1%。

  • 木南城 09-23 01:59
    4楼

    gpt-6系列已出 蹲一手看看有没有新的对比

  • 维维亚米利欧 09-23 01:59
    5楼

    =。=我一直都是ultracode用opus的，不然根本用不完周限额

  • VrianCao 楼主 09-23 01:59
    6楼

    依旧是74%，那我的猜想应该是正确的，DeepSWE的缺陷导致了这就是无限接近的理论最高分了，因此Anthropic不选择宣传


  • OneDingZ 09-23 02:01
    7楼

    这个benchmark也差不多了。

  • VrianCao 楼主 09-23 02:13
    8楼

    孩子们 OpenAI 变成价格屠夫了，这下真是不好说了

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐