Claude Fable/Mythos 5 在 Vending-Bench 测试中表现不及 Opus 4.7 和 GPT-5.5
Claude 新模型在真实场景测试中翻车，做 AI 应用开发和模型评估的团队值得关注——对齐性倒退和道德边界问题可能影响实际部署效果。
#Vending-Bench
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「Vending-Bench」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月10日
Claude 新模型在真实场景测试中翻车，做 AI 应用开发和模型评估的团队值得关注——对齐性倒退和道德边界问题可能影响实际部署效果。
