Anthropic 的新模型在一个基准测试中将 Opus 4.6 的表现翻了一番 Claude Mythos 预览 — 仅限邀请,无公开API。他们的系统卡片中的数据: - SWE-bench 认证:93.9% 对比 80.8% (Opus) 对比 79.6% (Sonnet) - SWE-bench 专业版:77.8% 对比 53.4% - Terminal-Bench 2.0:82.0% 对比 65.4% -

查看原文
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 评论
  • 转发
  • 分享
评论
请输入评论内容
请输入评论内容
暂无评论