Opus 5 基准胜 Fable 5 但实际体验差，Kun Chen 批评指标和训练方法

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。