IXThinker·2026-08-14 18:30

實測顯示Opus 5近乎通關ARC-AGI-3測試

一項抽象推理基準的官方榜單上，某旗艦模型以三成居首，大幅領先對手。但有開發者實測發現，只為模型提供一台電腦讓它自行操作，二十五個公開關卡單次即通過二十四關，正確率升至九成六，遠超官方成績。

官方與實測落差

官方評估僅得三成，開發者的環境測試卻達九成六，若每關允許兩次嘗試更接近滿分。差距並非來自模型本身，而是測試方式與工具條件不同所致。