AI王座,一夜两度易主!神秘模型Obsidian 3泄露
FIELD
NOTE

ARTICLE DETAIL

热点资讯

从事实、趋势与实践出发,为您梳理文章中的关键信息,帮助读者更高效地理解内容重点。

ORIGINAL REPORT

AI王座,一夜两度易主!神秘模型Obsidian 3泄露

新球体育热门杯赛-赛程与在线直播编辑部
227 阅读
约 5.5 分钟

新智元报道 AI圈再次变天了! Artificial Analysis刚更新了Intelligence Index,正式推出v5版,Claude Opus 5.5一举登顶,将OpenAI的GPT-6 Astra挤下神坛。 但没高兴多久,Gemini 4 Carbon发布,超越 Claude Opus 5.5夺魁! 但代号「Obsidian 3」的神秘模型意外浮出水面,而所有的线索都指向同一个名字:Anthropic尚未发布的 Fable 5.5 。 险胜GPT-6!Opus 5.5的冠军不到一夜 AI榜单洗牌了。 Artificial Analysis发布了最新的 Intelligence Index v5 榜单。这是目前业内含金量最高、最难啃的测试之一。 结果出人意料,但又在情理之中。 Anthropic的 Claude Opus 5.5 以58分险胜,斩获第一。 OpenAI的 GPT-6 Astra 以57分,屈居第二。 戏剧性的是,谷歌随之发布了 Gemini 4 Carbon,得分 AA 综合得分为59。 一分之差,AI 王座一夜之间两度易主。 但在编程智能体指数上,Anthropic仍以62 分领跑。 为什么说这次Anthropic登顶编程智能体指数榜含金量极高?因为测试规则变了,变得极其苛刻。 私有数据权重飙升至60%。 过去的AI测试,大家都在刷榜。模型把公开的GitHub代码库背得滚瓜烂熟,分数自然高。 这次不行了。官方直接把私有数据集的权重拉到了60%。 没有公开资料,没有历史作业。模型必须当场思考,当场解题。 靠「死记硬背」混日子的时代,结束了。 免疫学教授Derya Unutmaz评论称,新版本更合理,此前开源模型存在针对公开基准的过度优(benchmaxxing),与OpenAI、Anthropic及Gemini前沿模型的能力差距被清晰拉开。 不过,这并不意味着两者差距扩大了,而是衡量方式变化了。 引入高难度科研工作流。 新增了代码与科研工作流等地狱级挑战。 这不再是写个贪吃蛇代码那么简单,而是要求AI像真实的程序员和研究员一样,处理复杂的工程逻辑。 在这样的高压测试下,Opus 5.5 扛住了。它证明了Anthropic在复杂逻辑推理和真实场景落地上的恐怖实力。 数据暴雷!隐藏模型 Obsidian 3 究竟是谁? Opus 5.5 登顶,只是前菜。 真正的硬核大瓜,藏在另一家机构的数据库里。 昨天,知名AI测试机构 Cognition 发布了其私有编程基准的最新版本: FrontierCode 2.0 。 这是一个极其变态的测试:包含132项真实开源代码库中的任务。 评分标准简单粗暴:代码提交后,项目的维护者是否愿意合并(Merge)你的更改。 只要有一项阻断性检查未通过,直接计0分,没有任何同情分。为了防止数据污染,任务全程保密。 而且Artificial Analysis还要在 Stirrup 框架中每项任务跑三次,杜绝偶然性。 在这个榜单上,Claude Opus 5.5 (max) 以 46% 的成绩领跑全场。 GPT-6 Astra (max)、GPT-6.1 Terra (max) 和 Claude Sonnet 5.5 (max) 紧随其后,全部死磕在 42%。 但有人扒开了官网的数据接口。在 data.json 的隐藏代码里,发现了一个隐藏模型 Obsidian 3 。 数据令人倒吸一口凉气: Obsidian 3,高推理模式得分 46.8%。 它硬生生把当前第一的 Opus 5.5(45.5%)踩在了脚下。 这个隐藏冠军,到底是谁? 社区的极客们迅速锁定了证据:测试框架。 Obsidian 3 运行在 claude-code 环境下。这是一个专属的测试框架,目前全世界只有六个 Claude 家族的模型在使用。 真相呼之欲出:这可能 就是 Anthropic 尚未官宣的新一代大杀器——Fable 5.5。 悬念:挤牙膏还是憋大招?Fable 5.5 的成本谜团 争议却随之而来。 一部分人感到失望,直言这提升不够「性感」。 46.8% 对比 45.5%,仅仅提升了 1.3 个百分点。在最大(max)模式下,两者甚至持平,都是 45.5%。 更要命的是成本。 数据显示,在相同投入程度下,Obsidian 3 的成本约为 Opus 5.5 的 3.6 倍。在 high 模式下,单任务成本高达 8.62 美元;在某些极端的 max 模式下,单任务成本甚至飙升至约 47 美元。 跑一次任务,花掉三百多块人民币。这对于多数开发者来说,是难以承受的数字。 这种定价颇有一种 「AI 中的爱马仕」的奢华感。这倒也间接排除了主打性价比的Gemini。 「如果这就是 Fable 5.5,那看起来不够惊艳

about image
分享这篇内容

让更多人看到有价值的信息

返回资讯列表

YOU MAY ALSO LIKE

推荐阅读

继续浏览平台精选内容,发现更多行业观察。

TRENDING NOW

热点内容

从正在发生的行业事件到读者关注的热门话题,我们将值得关注的内容集中呈现,方便您快速了解当前讨论焦点。

查看全部资讯
意甲-图拉姆扳平+造点泽林斯基绝杀 国米2-1逆转紫百合

HOT / 1

意甲-图拉姆扳平+造点泽林斯基绝杀 国米2-1逆转紫百合

北京时间2026年10月25日19:30,意大利甲级联赛26/27赛季第8轮,国际米兰主场圣西罗球场迎战佛罗伦萨。国际米兰以积分榜首身份对阵排名第18的佛罗伦萨。上半场双方互有攻守但均未能取得进球,下半场佛罗伦萨率先破门,国际米兰凭借图拉姆的补时进球和杰林斯基·彼得的点球逆转比分。最终国际米兰2-1击败佛罗伦萨,继续稳居榜首。 【比赛过程】 第2分钟,佛罗伦萨前锋弗朗哥·马斯坦托诺射门偏出球门。

下半场闪击,斯坦丘贴地斩破门,英博3-2玉昆

HOT / 2

下半场闪击,斯坦丘贴地斩破门,英博3-2玉昆

社区 » 中国足球 » 中国足球 » 下半场闪击,斯坦丘贴... 虎扑足球资讯(446级)楼主2026-11-01 20:43:54发布于上海 亚拉戈时光油2026-11-01 20:46:04发布于黑龙江 点灭只看此人举报 被正中10环了其他人都愣那不动了有点绷不住,虽然我很同情但是这真不犯规,太惨了 被正中10环了其他人都愣那不动了有点绷不住,虽然我很同情但是这真不犯规,太惨了 玉昆的后卫站一

[流言板]塔克:北京是非常好的球队,这场比赛是非常好的学习机会

HOT / 3

[流言板]塔克:北京是非常好的球队,这场比赛是非常好的学习机会

虎扑11月01日讯 今日CBA常规赛,北京114-76广厦。赛后新闻发布会上,广厦男篮球员雷琼-塔克点评本场比赛: “跟王导说的一样,这场比赛确实也是非常难打,然后我们也是有一些伤病,但是也是对于年轻队员来说是一个非常好的历练的机会。虽然他们有一些球处理不好,有一些球没有投进,但是总体来说,北京是一个非常好的球队,这场比赛对我们来说是一个非常好的学习的机会。” 本场比赛,雷琼-塔克出战26分钟,投

阿斯:皇马向FIFA争取办世界杯决赛,称伯纳乌是赛事组织天花板

HOT / 4

阿斯:皇马向FIFA争取办世界杯决赛,称伯纳乌是赛事组织天花板

直播吧11月13日讯 阿斯报报道,国际足联收到了一个明确的信息:据皇马俱乐部高层表示,伯纳乌球场在赛事组织方面无可匹敌。 “我们是最棒的”,这句掷地有声的话语至今仍回荡在伯纳乌的走廊里,也是对国际足联此次考察之行的最佳总结。虽然考察团接下来还要前往瓦伦西亚和维戈进行考察,但负责评估世界杯潜在举办地的国际足联高管和技术专家委员会(最终入围名单要到2027年晚些时候才会确定),已经清楚了解了西班牙足协

鲁梅尼格:孔帕尼当初和伯恩利降级,我曾担心他不适合拜仁

HOT / 5

鲁梅尼格:孔帕尼当初和伯恩利降级,我曾担心他不适合拜仁

拜仁在2024年夏天任命了文森特-孔帕尼作为球队主帅,彼时这位比利时教练刚随伯恩利降级,鲁梅尼格如今透露,正因如此,他当时曾有顾虑。 “我记得,埃贝尔最终在一次内部会议上提到了文森特-孔帕尼这个名字,”这位监事会成员在接受德甲官网采访时回顾拜仁2024年的选帅过程时说。“我问他:‘你确定吗?’他说:‘为什么?’我回答:‘他刚刚从英超降级。’” 鲁梅尼格进一步解释了自己的顾虑:“我们从来没有签过一名