Anthropic Opus 5在真实智能基准测试中大幅领先
结论前置 / TL;DR
Anthropic最新模型Claude Opus 5在ARC-AGI-3基准测试中得分30.2%，远超GPT-5.6 Sol此前7.8%的纪录。该基准开发者指出，Opus 5首次独立推导出‘反思方程’，展现出前所未有的逻辑推理能力。
ARC-AGI-3基准测试表现跃升
Anthropic推出的Claude Opus 5在ARC-AGI-3基准测试中取得30.2%的得分，接近GPT-5.6 Sol此前7.8%纪录的四倍。ARC-AGI-3由专门评估通用智能与抽象推理能力的研究团队设计，强调模型在未见过任务结构下的自主问题建模能力。
首次观察到‘反思方程’行为
该基准开发者表示，Opus 5在解题过程中独立构建并应用了‘反思方程’（reflection equations）——一种用于动态修正推理路径的元认知机制。这一行为此前从未在其他大模型中被观测到，研究者将其归因于模型更强的逻辑推理与自我监控能力。
对标Fable 5与GPT-5.6 Sol
报道同时提及，Opus 5的表现亦显著超越Fable 5，但未披露后者具体得分。文中强调，ARC-AGI-3并非传统语言理解或常识问答类评测，而是聚焦于接近人类水平的抽象建模与递归式问题求解能力。
本文为企业智脑(优秘智能)编译整理自公开资讯,信息与观点以原文为准,仅供参考。阅读原文(The Decoder) →