Boris Cherny
Kiana Ehsani 呼吁更难的计算机使用基准并愿赞助，同时指出 Claude Opus 5 在编码和知识工作评估中达到 SOTA
AI 摘要
Kiana Ehsani 呼吁更难的计算机使用基准并愿赞助，同时指出 Claude Opus 5 在编码和知识工作评估中达到 SOTA。
推荐理由常规快讯，保留列表
原文
Genuinely would love to have a harder computer use evals. Happy to sponsor a computer use benchmark that Opus 5 gets below 50% on!
If you have an eval that matches this criteria please reach out! Happy to chat.
Claude: On several coding and knowledge work evaluations, Opus 5 is the new state-of-the-art:
47/100
讨论
暂无评论。