#Claude Opus 5
Montezuma's Revenge 是探索类游戏的老大难，现在 Astra 和 Opus 5 都过了，Metaculus 还专门复刻测试来结AGI赌约，挺有意思。
有人做了个开源环境让 AI 智能体自己训练模型，Claude Opus 5 把 Qwen 的 SWE-bench 成绩刷到近三倍，还发现修 harness 比堆训练更管用。
有人用 Jev 半分钟读完 384 条新闻帮 15 个品牌找热点，比 Claude Opus 5 便宜约 390 倍，代码和 skills 都开源了，做 PR 的可以直接抄。
博主拿 Jev 和 Claude Opus 5 跑同一个新闻监控任务，一个 24.9 秒花 0.19 美元，一个只处理了 4 条花 0.77 美元，做品牌借势的可以看看。
OpenAI 新的 GPT-6 Sol 在真实用户投票的 Code Arena 拿了第4，价格只要 Claude Opus 5 的一半不到，做 Web 开发的可以看看分数再决定用哪个。
OpenAI 一次出了 GPT-6 Sol 和 Luna 两个模型，价格砍半还带新缓存，跑业务任务比 Claude Opus 5 便宜九成，做 API 应用的可以看看。
这篇论文造了个很较真的基准：不看智能体能不能把指标刷上去，只看它交付的模型到底行不行，连"训练了但没学到东西"这种静默失败都能抓住，四个前沿模型全被拉出来和人类工程师对比。
OpenAI 出了个便宜档的 GPT-6 Luna，跑分追平 Claude Opus 5，但只要零头的价格，看重成本的可以去 OpenRouter 试试。
宝玉实测的省钱组合：贵的模型出方案，便宜的模型干活，再让贵模型自动验收，全程不用人工盯。Token 贵的都该看看这套闭环玩法。
DeepSeek 推出了 V4.1 Flash，性能接近 GPT-5.6，但成本只有 1/30，用 15 美元就能跑 100 个复杂任务，性价比很高。
朋友发了 Genspark 的 Gen-1 Slides，这个模型做幻灯片生成很厉害，和 Claude Opus 5 一样好，但价格便宜很多，才 1/17。
朋友，Fireworks AI 新出的 Gen-1 Slides 模型很棒，幻灯片生成效果和 Claude Opus 5 差不多，但价格便宜很多，是 1/17，适合做演示文稿。
DeepSeek 新发布的 V4.1 Flash 模型，比 V4-Pro 小三分之一，但在很多测试里还比它强，价格也便宜很多，值得看看。
GoogleDeepMind发布Gemini 3.8 Flash (High)，在多个基准测试中超越前代版本和Claude Opus 5。
Recuris模型在长时程任务中显著提升了GPT-5.6 Sol和Claude Opus 5的表现，是长时程智能体驱动的递归记忆架构的一个突破。
Poonam Soni 在 Replit 上比较了 Free Mode、Gemini 3.7 Flash、Grok 4.6 和 Claude Opus 5，看看哪个在创建 Subway Surfer 克隆时表现最佳。
想知道代码、工作、聊天分别谁最强？Agent Arena 新榜单给出答案：GPT 5.6 和 Claude Opus 5 各领风骚。
Gemini 3.7 Flash在Text Arena冲到第9，创意写作第3，数学第4，跟Qwen-3.8和Claude Opus 5只差几分。
xAI 的 Grok 4.6 跑分追平 GPT-5.6，智能体任务比 Claude 更省步数，价格还便宜一大截，想换 API 的可以看看。
Simon Willison 挖到 Claude Opus 5 系统提示里居然写了 Fable 出口管制这事，怕模型答不上来。挺有意思的。
Simon Willison把Claude Opus 5的系统提示词原文摘出来了，看看Anthropic怎么让模型应对自家产品被禁的事，挺有意思。
有人拿云朵照片同时问 Qwen3.8-Max、Claude Opus 5、Kimi K3、GPT 5.6 Sol，画动物轮廓它没输。
Anthropic新出的Claude Opus 5（Max）把代码榜刷到第一，1699分，前端和文本也登顶，这波挺猛。