Opus 5 相关 AI 资讯 · AITOP

9月3日

11:47

官方一手arXiv: OpenAI@Til Jordan

研究人员测试了九个来自三家公司的大语言模型，探究门脸效应(先提大要求被拒后再提小要求)是否有效。在Anthropic的Opus 5模型上，该技术使合规率从29.3%提升至65.8%。但在OpenAI和Google的前沿模型以及Haiku 4.5上，反而降低了15.5至23.0个百分点的合规率。研究发现，拒绝行为本身对所有模型都有影响，但模型家族对拒绝的反应各不相同。

论文 Opus 5 门脸效应拒绝行为

事件专题

推荐理由：Anthropic模型对人类说服技巧有反应，而OpenAI和Google模型反而更抗拒，这种差异很有意思。

原文

08:48

shao__meng@shao__meng

78°

Gemini 3.8 Flash 在六周内第三次发布，距 3.7 Flash 仅三周。该模型在 Vals Finance Agent v2 达到 61.4%，高于 Opus 5 的 58.6%。Terminal-bench 2.1 得分 89.4%，略高于 Opus 5。在成本效率方面，3.8 Flash 以约 1/7 到 1/8 的任务成本实现了与 Opus 5 几乎相同的通过率。

AI模型 Gemini Gemini 3.8 Flash Opus 5

事件专题

推荐理由：Google 发布了 Gemini 3.8 Flash，价格更低但性能接近前沿模型，成本效率大幅提升。

原文

9月2日

03:45

elvis@omarsar0

73°

Claude推出Fable 5.1模型，在典型工作负载上降低成本约25%，在高智能体任务上降低约45%。该模型针对科学工作流程进行了优化，提高了令牌效率，在写作和文本生成方面表现更佳。Opus 5仍能满足大多数任务需求，而Fable 5.1则作为更复杂协调器和验证者。

AI模型 Claude Fable 5.1 Opus 5

事件专题

推荐理由：Claude新出的Fable 5.1比Opus 5成本更低，特别适合科学工作流，是日常使用的不错选择。

原文

8月24日

18:53

AI Will@FinanceYF5

78°

Anthropic最强模型Fable 5仅占客户购买Token的6%，价格是Opus 5的两倍，但性能仅落后0.5%，单任务成本减半。企业主要在高难度任务上使用Fable 5，成本更低可能带来更高毛利。

AI模型 Anthropic Fable 5 Opus 5

事件专题

推荐理由：Anthropic的Fable 5虽然价格高，但性能仅略逊于Opus 5，成本却低一半，适合高难度任务，值得关注。

原文

05:03

05:03官方账号Simon Willison’s Weblog（博客/媒体）

78°

Anthropic的年度收入达到650亿美元，预计第三季度将盈利。尽管如此，其Opus 5模型在7月份发布后，用户增长缓慢，Ramp AI指数显示其市场份额仅为8.0%。与此同时，OpenAI的年度收入增长35%，达到400多亿美元，GPT 5.6的发布推动了公司业绩。

行业 Anthropic Opus 5 OpenAI

事件专题

推荐理由：Anthropic的Opus 5模型虽然性能强大，但因其成本较高而难以吸引用户，相比之下，OpenAI的GPT 5.6凭借较低的成本获得了更多用户。

原文

8月21日

05:35

Browser Use@browser_use

Opus 5 和 GPT-5.6 Sol 在浏览器使用基准测试中表现接近。该基准由数百名用户参与，将真实用户任务转化为测试。测试采用原子化、可验证且明确的评估标准。这是目前最好的浏览器智能体基准测试。

AI模型 Opus 5 GPT-5.6 Sol 智能体

推荐理由：Opus 5 和 GPT-5.6 Sol 在一个新浏览器基准上打平了，这个基准是真实用户任务，评估标准很细，看看谁更会上网吧。

原文

8月14日

12:59

Amjad Masad@amasad

72°

Jeremy Berman 使用 Claude Code + Opus 5（high）在 ARC-AGI-3 上拿到 96.2% 准确率，pass@2 为 99.3%。方案仅包含一个动作命令和文件系统日志，几乎没有 ARC 特定设计。作者此前预测编码工具链可泛化 LLM，这次结果支持了该判断。

AI模型 ARC-AGI-3 Opus 5 Claude Code

推荐理由：Jeremy Berman 用 Claude Code 加 Opus 5 把 ARC-AGI-3 刷到 96.2%，没做什么 ARC 定制，思路很通用。

原文

8月9日

13:02

量子位@听雨

Opus 5为制作一款游戏烧掉了6.9亿token。GPT-5.6仅用5美元成本就复刻了这款游戏。两者在token消耗和花费上差距悬殊，显示出GPT-5.6在游戏生成任务上的成本效率优势。

AI模型 Opus 5 GPT-5.6 游戏开发

事件专题

推荐理由：看GPT-5.6怎么用五美元复刻Opus 5几亿token做出来的游戏，差距是真大。

原文

8月8日

10:33

宝玉@dotey

Prime Agent 是一个能自主改进的递归 Agent 框架。替换外部 Harness 后，Opus 5 的 ARC-AGI-3 评分从 30.2% 升至 95.5%，超过人类专家基线 95.4%。但作者认为，这种面向评分的优化价值有限，在现实场景中不会比 Claude Code 和 Codex 更好。

AI模型 Prime Agent Opus 5 ARC-AGI-3

事件专题

推荐理由：这个框架把 Opus 5 的评分从 30% 刷到 95.5%，但作者觉得换汤不换药，实战未必比 Claude Code 强。

原文

09:30

Browser Use@browser_use

75°

Alexander Yue 在 X 上宣布，他把 Opus 5 和 Browser Use 组合起来，给了 1000 美元 API 额度与 1000 美元真实资金。Opus 5 这次没有预设任务，也没有沙箱限制，需要自己决定在真实互联网上做什么。原帖附带直播链接，目前已有 230 次查看，观众可以实时围观它如何支配这笔钱。

AI产品 Opus 5 Browser Use 智能体

事件专题

推荐理由：有人给 Opus 5 和 Browser Use 塞了 1000 美元现金，让它自己在网上闯荡，正在直播，去看看它怎么花钱。

原文

03:59

lmarena.ai@lmarena_ai

Agent Arena追踪模型完成真实任务所需的token数量。Opus系列从4.7到5，性能持续提升，但token消耗从约8.5k增至约21k，含推理和输出token。相反，GPT-5.5到GPT-5.6-Sol的token用量从约10k降至约8k，同时净改进提升约1.5pp。两组模型在效率与性能上呈现相反趋势。

AI模型 Agent Arena Opus 5 GPT-5.6-Sol

事件专题

推荐理由：看Opus 5和GPT-5.6-Sol在同一基准上的表现，一个越强越费token，一个越强越省，挺有意思的对比。

原文

01:58

官方账号Decoder@Matthias Bastian

83°

Anthropic将Fable 5生物学安全过滤器的误报率降低了约85%。此前，几乎所有生物学相关查询都会被拦截并转交给能力较弱的Opus 5。现在，普通生物学问题可直接由Fable 5处理，但病毒学和毒理学等敏感双用途主题仍保留原有限制。

AI模型 Anthropic Fable 5 Opus 5

事件专题

推荐理由：Anthropic把Fable 5的生物误报砍了85%，普通生物问题不再被转给Opus 5，但病毒毒理还是管得严。

原文

8月7日

13:12

Claude@claudeai

Anthropic更新了Claude Fable 5的生物安全防护机制，以减少误报。该更新使生物学相关的回退数量在多个产品面上减少约85%。Fable现在能处理更多日常健康和教育类问题。但对于病毒学、毒理学和分子设计等双用途请求，仍会回退到Opus 5。目前它还无法用于专业生物学研究和药物开发。

AI模型 Claude Fable 5 Opus 5 Anthropic

事件专题

推荐理由：Claude Fable 5把生物安全误报砍了85%，日常健康问题能直接答了，但病毒学这类敏感领域还是交给Opus 5。

原文

00:28

官方账号Cursor@cursor_ai

没有任何模型能在所有任务上占优：Grok 4.5 在常规任务上性价比高。GPT-5.6 Sol 擅长规划与代码库理解。Opus 5 适合执行密集型工作。Fable 5 在调试和视觉实现上更出色。

技巧 Grok 4.5 GPT-5.6 Sol Opus 5

事件专题

推荐理由：选模型别纠结了：常规任务选 Grok 4.5，规划代码库找 GPT-5.6 Sol，重执行用 Opus 5，调试看 Fable 5。

原文

8月6日

22:17

小互@imxiaohu

Prime Agent是一个能自主改进的递归Agent框架。将Opus 5的外部框架替换为Prime Agent后，其ARC-AGI-3评分从30.2%提升到95.5%。这一成绩甚至超过了人类专家基线95.4%。该框架可直接作为Claude Code、Codex的替代品。开发者认为传统Agent框架的固定设计限制了模型发挥。

AI产品 Prime Agent Opus 5 ARC-AGI-3

事件专题

推荐理由：Prime Agent 这个递归框架挺有意思，直接把 Opus 5 的 ARC 成绩从 30% 拉到了 95%，还能替代 Claude Code 和 Codex，值得看看。

原文

8月4日

04:38

宝玉@dotey

精选

博主分享了一套复杂任务的分工流程：先用 Fable 5 产出技术方案文档，方便批注和让其他 Agent 快速上手。确认方案后立即 /compact 一次，利用 Prompt Caching 降低压缩成本。接着把文档交给 Codex（GPT-5.6 Sol xhigh）执行，复杂任务加 /goal 减少中断。完成后让 Fable 5 验证遗漏或偏离，再把反馈发回同一 Codex 会话继续完善。博主实测 Opus 5 不如 GPT-5.6 Sol 稳定，也不如 GPT-5.6 Token 耐用。

技巧 Fable 5 Codex GPT-5.6

事件专题

推荐理由：这个流程很适合复杂任务：Fable 5 出方案、Codex 干活、Fable 5 把关，还讲了 /compact 省钱和省上下文的细节，挺实用。

原文

8月3日

10:30

Binyuan Hui@huybery

Andrej Karpathy用《指环王》第一段测试Opus 5，给它约1M token的预算（约10美元）并要求生成three.js渲染版本。Opus 5花了大约2小时写出5500行代码，程序化渲染了故事，但效果有些粗糙。Karpathy认为这类超定制世界生成是LLM的新应用场景，同时暴露了模型无法高效观看视频或玩游戏的短板，只能靠截图慢慢检查。

AI模型 Opus 5 Karpathy three.js

事件专题

推荐理由：Karpathy用《指环王》首段测Opus 5，1M token生成5500行three.js代码，效果糙但脑洞大。

原文

8月2日

14:10

宝玉@dotey

精选

Andrej Karpathy 用《指环王》第一段做测试，给 Opus 5 提供 100 万 token 预算（约 10 美元）和 three.js 渲染任务。Opus 5 用约 2 小时写了 5500 行代码，程序化生成故事场景，结果有点粗糙但能跑。Karpathy 认为 LLM 目前无法直接观看视频或玩游戏，只能靠截屏检查效果，因此出错不少。他设想按需生成'临时版 GTA'式的定制 3D 世界。

AI模型 Opus 5 three.js 3D渲染

事件专题

推荐理由：Karpathy 让 Opus 5 花 10 美元做了个《指环王》3D 渲染，5500 行代码，还聊了模型短板。

原文

12:14

官方一手歸藏(guizang.ai)@op7418

85°

Karpathy加入Anthropic后首次发布长帖，给Opus 5约100万Token（约10美元）预算，让它用three.js渲染《指环王》故事。Opus 5耗时约2小时，写出5500行代码，最终生成一个3D版本。Karpathy指出，模型无法直接观看或游玩生成的视频/游戏，只能靠逐段截图检查，过程中出错多次。他认为多模态感知与游戏内交互能力仍是LLM明显的短板。

AI模型 Opus 5 Anthropic Karpathy

事件专题

推荐理由：Karpathy给Opus 5百万Token预算，让它做《指环王》3D渲染，还吐槽模型没法自己看结果。

原文

01:08

lmarena.ai@lmarena_ai

精选

Code Arena 公布 Image-to-WebDev 最新评测分数。Opus 5 (Max) 以 1669 分排名第一。GPT-5.6 的 Sol、Terra、Luna 三个版本分别拿到 1581、1531、1497 分，排在第 4、13、21 位。Grok-4.5 以 1578 分排第 5，Kimi K3 (Max) 以 1571 分排第 6，Muse Spark 1.1 以 1550 分排第 8。该评测考察模型根据截图生成网站，以及多步推理和工具调用的智能体编码流程。

AI模型 Opus 5 GPT-5.6 Code Arena

事件专题

推荐理由：想找能照着截图做网页的模型？直接看 Code Arena 这份榜单，Opus 5 (Max) 第一，GPT-5.6 和 Grok 的分数也都列出来了。

原文

8月1日

17:17

AI Will@FinanceYF5

精选

Claude Code 创作者 Boris Cherny 建议每6个月删除一次 CLAUDE.md、Skills 和 Hooks 配置。他提醒用户，升级到 Opus 5 后，为旧模型写的规则可能从帮助变成限制。通过裸跑，用户能观察模型在没有历史规则时的真实表现。他建议升级后先做一次裸跑测试，结果或许让人意外。

技巧 Claude Code Opus 5 Boris Cherny

事件专题

推荐理由：Boris Cherny说每半年删掉Claude Code的配置和Skills，让Opus 5裸跑，你会发现旧规则反而碍事。

原文

17:16

AI Will@FinanceYF5

精选

Claude Code创建者Boris Cherny在Y Combinator Startup School 2026上建议，不开发Agentic产品的用户每6个月删除一次claude.md文件、skills和hooks。他强调删除后观察模型行为，结果可能出乎意料。Cherny特别指出，对于Opus 5，应彻底删除这些配置，因为新模型可能不再需要旧版本所需的详细指令。该建议来自Y Combinator官方YouTube频道的完整视频。

技巧 Claude Code Opus 5 Boris Cherny

事件专题

推荐理由：Claude Code作者说，每半年清空配置和技能，模型反而表现更好。Opus 5用户更该试试。

原文

7月30日

15:47

官方账号Decoder@Matthias Bastian

82°

OpenAI声称其GPT-5.6 Sol模型在ARC-AGI-3基准测试中通过自定义测试环境获得38.3%的分数，高于Anthropic Opus 5的30.2%。但在官方标准环境下，GPT-5.6 Sol仅得7.8%，远低于Opus 5的30.2%。OpenAI的定制测试保留了推理链和上下文压缩作为辅助手段，而Opus 5在无辅助下完成。这一差异引发了关于基准测试公平性的讨论。

AI模型 GPT-5.6 Sol Opus 5 ARC-AGI-3

事件专题

推荐理由：OpenAI推出GPT-5.6 Sol，在自定测试里赢了Anthropic的Opus 5，但换官方环境就掉到7.8%，差距挺大。

原文

04:08

elvis@omarsar0

79°

Opus 5（Claude 5的Opus版本）被训练得更具自主性（agentic），比以往任何模型都更主动探索。用户发现，与Opus 5交互时，需要减轻系统提示和CLAUDE.MD的负担，去掉记忆和工具描述，保持轻量。使用简洁清晰的提示和技能，MCP工具描述更详细且与系统提示去重，才能更好发挥模型能力。Anthropic发布了新的上下文工程指南，帮助用户适应这种变化。

技巧 Opus 5 Claude 5 Anthropic

事件专题

推荐理由：用了Opus 5发现原来的提示词全废了？这篇帖子总结了实操经验，告诉你系统提示和CLAUDE.MD怎么改才不拖后腿。

原文

7月29日

01:10

elvis@omarsar0

Opus 5 仅用一次生成和 Three.js 就构建了一个飞行模拟器。该模型通过 judge-executor 框架循环改进输出质量，核心技巧是让 judge 持续评估并驱动重试。如果你加更详细的提示词，可以获得质量更高的模拟器。这条推文展示了实际运行的视频效果。

技巧 Opus 5 Three.js 飞行模拟器

事件专题

推荐理由：Opus 5 一次跑出飞行模拟器，靠 judge-executor 循环提升质量，Three.js 实现。试试加更狠的提示词能更猛。

原文

7月28日

15:43

AI Will@FinanceYF5

Claude Opus 5在多个通用基准测试中超过Fable，但实际使用体验远不如后者，表明现有基准近乎无用。Anthropic在5系列中先训练Mythos再蒸馏出Sonnet和Opus，新方法导致Sonnet 5表现不佳、Opus 5口碑参差。模型正从RLHF转向机器可验证的强化学习，使用体验下降，出现更多术语、更难操控。作者担忧AI可能引导人类构建对机器更友好的世界，并开始说一种看似英语但普通人看不懂的'自己的语言'。

行业 Claude Opus 5 Anthropic

事件专题

推荐理由：Claude Opus 5基准分高但实际拉胯，训练方式变了，模型越来越难用，甚至可能反向控制我们。值得细品。

原文

01:41

Y Combinator@ycombinator

77°

Claude Code 创始人 Boris Cherny 在 YC Startup School 2026 上分享 Opus 5 的独特之处，包括解决提示注入和删除 80% 系统提示。他解释了为何 Claude Code 要大幅精简系统提示，以及如何利用 Opus 5 运行数千个 AI 智能体。Cherny 认为编程问题已接近解决，但 CS 学生仍需掌握基础原理。

AI模型 Claude Code Opus 5 Anthropic

事件专题

推荐理由：Anthropic 的 Claude Code 之父 Boris Cherny 在 YC Startup School 上揭秘 Opus 5 的新特性，还分享了删除 80% 系统提示的实战经验。想了解下一代模型和 Agent 构建思路？这视频干货十足。

原文

7月27日

18:07

AI Will@FinanceYF5

Claude Opus 5 在不到 10 分钟内生成了一个 38 秒的电影级镜头序列。这是第一次迭代便直接输出成品，无需任何剪辑或后期处理。整个生成过程通过 Claude Code 完成，展示了模型强大的视频生成能力。该结果由用户 Samnang Aing 分享，附带了完整的聊天记录。

AI模型 Claude Opus 5 视频生成

事件专题

推荐理由：Claude Opus 5 十分钟就能做出电影级片段，一次成功零剪辑，效果太惊人了。

原文

14:29

小互@imxiaohu

精选

Anthropic 发布了 Opus 5 的官方提示指南，核心方法是删除冗余信息而非添加更多指令。指南通过多个示例展示精简提示如何提升模型输出质量。例如将一段200字的描述删至50字后，回答准确率从72%提升至89%。该方法适用于复杂任务和长上下文场景。

技巧 Opus 5 Anthropic 提示词工程

事件专题

推荐理由：Anthropic官方出的Opus 5技巧，核心是少写多删，实测准确率能提升不少，值得一试。

原文

11:01

Gary Marcus@GaryMarcus

Gary Marcus 引用 Ramez Naam 的推文，指出 Opus 5 在 ARC-AGI-3 基准上的成绩提升可能源于针对该评估的专门训练，而非抽象推理能力的普遍增强。该观点质疑当前用基准分数衡量 AGI 进展的有效性。推文获得 4 条回复、1 次转发和 10 个点赞。

行业 Opus 5 ARC-AGI-3 Gary Marcus

事件专题

推荐理由：Opus 5 的基准高分可能是刷出来的，看看专家怎么拆穿这个骗局。

原文

11:01

orange.ai@oran_ge

Kun Chen 指出 Opus 5 在多项公开基准上超越 Fable 5，但在实际使用中远不如 Fable 5，认为现有基准已几乎无用。他信任基于私有数据集的领域特定评估。他还透露 Anthropic 在 5 系列中先训练 Mythos 再蒸馏到 Sonnet 和 Opus，导致 Sonnet 5 失败、Opus 5 评价混杂。Chen 表示 Claude 系列使用体验变差，Grok 和 Kimi 目前在“愉悦感”维度上更优。

AI模型 Opus 5 Fable 5 Anthropic

事件专题

推荐理由：这条推文直指 Opus 5 和 Fable 5 的基准与体验反差，还爆出 Anthropic 新的蒸馏训练路径，以及 RLHF 被弱化导致的体验变化，值得看看。

原文

7月26日

18:01

官方账号Decoder@Matthias Bastian

86°

Anthropic的Claude Opus 5在ARC-AGI-3基准测试中取得30.2%的成绩，接近此前GPT-5.6 Sol记录7.8%的四倍。测试开发者指出，Opus 5是首个独立推导出反射方程的模型，这一行为此前从未在其他模型中出现。开发者认为这归因于其更强的逻辑推理能力。ARC-AGI-3被设计为衡量真实智能的测试。

AI模型 Opus 5 GPT-5.6 Sol Anthropic

事件专题

推荐理由：Anthropic的Opus 5在智能测试上把GPT-5.6 Sol甩开一大截，还自己学会推方程了。

原文

13:31

Jerry Liu@jerryjliu0

精选

Jerry Liu 分享使用 Claude Code 的经验，指出过度约束模型会导致其无法探索未知问题。他发现移除大约 80% 的 Claude Code 系统提示词后，模型能利用上下文自行判断，效果更佳。他推荐 Opus 5 模型在 Claude Code 中表现优异。

技巧 Claude Code Claude Opus 5

事件专题

推荐理由：别老想着给模型写满约束，Jerry Liu 发现拿掉 Claude Code 八成提示词模型反而更聪明。

原文

02:29

OpenRouter@OpenRouterAI

OpenRouter 发布了全新 Discover 页面，帮助用户更直观地探索 AI 模型。该页面显示 Opus 5 在综合排名中占据整体领先地位，而 GPT 5.6 Sol 在编程任务上表现突出。同时，平台上路由器列表不断增长，为用户提供更多选择。

AI产品 OpenRouter Opus 5 GPT 5.6 Sol

事件专题

推荐理由：OpenRouter 的新 Discover 页面让你一眼看清哪个模型最强——Opus 5 综合第一，GPT 5.6 Sol 编程厉害，还有更多路由器帮你挑。

原文

02:05

Jerry Liu@jerryjliu0

71°

Opus 5系统卡PDF共193页，包含大量标签和未标注图表。LlamaParse在agentic模式下每页1.25美分，agentic plus模式下5.6美分，解析各类线图和柱状图准确率接近100%。相比之下，Opus 5自身解析图表准确率下降20-30%，成本每页8美分至33美分以上。LlamaParse生成的机器可读数据可直接喂给下游系统。

AI产品 LlamaParse Opus 5 Claude

事件专题

推荐理由：LlamaParse解析PDF图表又快又准，比用Opus 5自己解析便宜好几倍，还更靠谱。

原文

7月25日

18:53

官方一手歸藏(guizang.ai)@op7418

82°

Anthropic在Fable 5和Opus 5上精简了约80%的系统提示词，编程测评成绩未下降。他们总结出6条上下文管理趋势：从给规则转向让模型运用判断力，从具体示例转向设计接口，从全部前置上下文转向渐进式披露，不再在系统提示词中重复工具描述，从手动记录转向自动记忆，从简单规则转向丰富引用。建议用Skills模块化信息，优先引用代码文件，并使用claude doctor命令自动优化。

技巧 Anthropic Fable 5 Opus 5

事件专题

推荐理由：Anthropic分享了模型变强后怎么瘦身提示词，精简80%还能保持性能，做Agent的同学值得看看。

原文

18:53

官方账号Decoder@Matthias Bastian

Anthropic的Opus 5模型在Auto Mode下，针对浏览器智能体在129个测试场景中实现零提示注入成功率。无额外保护时成功率仅为3.7%。若实际表现一致，该模型可能解决了浏览器AI智能体最严重的安全问题。

AI模型 Opus 5 Anthropic 提示词注入

事件专题

推荐理由：Anthropic的Opus 5在Auto Mode下把浏览器智能体的提示注入防御做到了100%，129个测试全过，这可能彻底解决智能体安全难题。

原文

09:09

09:09官方账号Simon Willison’s Weblog（博客/媒体）

精选

Anthropic 的 Claude Opus 5 在提示注入（prompt injection）防护上取得显著进展。根据官方系统卡和红队评估，Opus 5 是 Anthropic 迄今最难以被成功提示注入的模型。这一结果基于多项 PI 评估和对抗测试，标志着大模型安全性的一次重要提升。

AI模型 Claude Anthropic Opus 5

事件专题

推荐理由：Anthropic 的 Opus 5 在防提示注入上做到了史上最强，红队测试都很难攻破，安全团队值得关注。

原文

08:13

orange.ai@oran_ge

评价称Opus 5的智能水平略微超过降智后的Fable 5，且价格保持为Fable 5的一半。OpenAI的开源模型已超过旧版Opus 4.8。Opus 4系列在引领上半年后逐渐退场。评论认为在开源巨浪下，这些模型都将成为浪花。

AI模型 Opus 5 Fable 5 Opus 4.8

事件专题

推荐理由：Opus 5干过了降智版的Fable 5，价格还便宜一半，开源模型也追上来了，值得关注这波模型更迭。

原文

07:56

Jerry Liu@jerryjliu0

精选

Opus 5在ParseBench文档理解基准上总体与Opus 4.8持平，在密集表格上差几分，在图表和视觉定位上略好。Gemini 3.6 Flash在表格上更优，图表略差，价格是Opus 5的一半。LlamaParse agentic在所有方面（包括表格）表现更好，价格仅为Opus 5的1/6。作者建议Opus 5适合编码和知识工作，但每页8美分且OCR平均，不适合大规模文档解析。

AI模型 Opus 5 ParseBench Gemini 3.6 Flash

事件专题

推荐理由：Opus 5文档理解还行，但别拿它批处理PDF——每页8美分，效果不如便宜很多的Gemini Flash和LlamaParse。编码和知识工作倒挺香。

原文