測試克勞德，但任務愈來愈困難。

內容介紹

提問

• 

  在ChatGPT中開啟

  就此頁面提問

• 

  在Claude中開啟

  就此頁面提問

關鍵信息

• Claude Opus 4.8 在主要的 AI 基準測試中達到了最高位置，超越了 GPT 5.5 和 Gemini 3.1 Pro。
• 模型的有效性是通過一系列不同複雜度任務的實際評估來評價的。
• 第一個任務涉及簡單的功能，例如閱讀螢幕截圖並提供見解，這些模型都能成功執行。
• Opus 4.8 能夠直接讀取圖片作為輸入，使其能夠分析以截圖形式呈現的數據並提供相關信息。
• 該模型展示了應對軟體挑戰的熟練程度、修復真實錯誤的能力，以及有效處理複雜問題的技巧。
• Opus 4.8 的表現經過 SWE-Bench 基準測試，修復錯誤的得分為 88.6%。在使用不熟悉的程式碼進行 SWE-Bench Pro 測試時，得分為 69.2%。
• 該模型在需要長時間上下文理解的任務中表現出色，並擁有一百萬個標記的上下文窗口。
• Opus 4.8 以公開承認其在訓練數據之外進行預測時的局限性而脫穎而出。
• 整體而言，該模型整合和分析大量資訊的能力展示了其在人工智慧能力上的進步，但仍面臨著處理高度複雜情境的挑戰。