KeyFrame內部研究專用

Claude Opus 4.8 Is Acting Like Opus 5...

World of AI10 min英文
觀看原始影片

三句話摘要

Claude Opus 5 模型即將推出:性能大幅提升,3D 生成能力顯著改善。 Opus 5 在 3D 生成領域實現了顯著飛躍,但 Token 效率與 Vision 能力的舊問題仍未改善,上線後的實際表現與 token 定價將決定其市場競爭力。 Opus 5 已在測試階段:雖然官方未正式公布,但後端模型切換痕跡明顯,Opus 4.8 回答超出其知識庫範圍的問題(如 Gemini 3 Pro 上線時間),說明模型已升級。

重點整理

  1. Opus 5 已在測試階段:雖然官方未正式公布,但後端模型切換痕跡明顯,Opus 4.8 回答超出其知識庫範圍的問題(如 Gemini 3 Pro 上線時間),說明模型已升級。

  2. 3D 生成能力為核心升級:針對 Gemini 3 Pro 上周表現強勢的領域,Anthropic 特意加強 Opus 5 在 Three.js 和 3D 世界生成上的能力,家居場景細節與物體擺放的一致性達到前所未有的水準。

  3. Token 效率問題依然存在:Opus 5 token 消耗量更大,而 OpenAI 的 GPT 5.6 soul 主打用更少 token 達成相同或更好效果,這是 Anthropic 模型的持續痛點。

  4. Vision 能力仍需改進:如經典的「松餅測試」(識別松餅上的異物)顯示,即便 Opus 5 在此測試也未達最理想表現,視覺理解精度與 OpenAI/Google 仍有差距。

實用技巧與重點

  • 對比對象:GPT 5.6、Gemini 3 Pro、Fable 5、Kimmy K3、Llama Magnum(排行榜第一)
  • 測試項目:3D 家居場景生成、天氣卡片前端生成、松餅視覺識別測試
  • Opus 5 表現:單次生成 3D 家居細節程度超越以往所有模型測試
  • 弱點:Token 效率低(「token hungry」)、Vision 能力在松餅測試失敗
  • 發布時間預期:影片製作時預計周五或下週發布(已延遲)
  • 官方消息來源:Anthropic 官方部落格(待發布)、Universe of AI 電子報

結論

Opus 5 在 3D 生成領域實現了顯著飛躍,但 Token 效率與 Vision 能力的舊問題仍未改善,上線後的實際表現與 token 定價將決定其市場競爭力。

完整解析

Claude Opus 5 上線的跡象在社群媒體上引發熱議。雖然 Anthropic 未正式宣布,但影片製作者透過多項證據推斷 Opus 5 已在測試階段悄悄推送。最明顯的徵兆來自於 Opus 4.8 對超出其訓練資料時間點的提問能夠正確回答——例如被問及 Gemini 3 Pro 何時推出無網路搜尋版本時,Opus 4.8 竟然答對了,而這不應該在沒有網路搜尋且訓練資料較舊的情況下做到。這說明後端模型已經升級至更新版本,推測為 Opus 5。

Anthropic 似乎針對競爭對手的弱點進行了目標性升級。上周 Gemini 3 Pro 發布後,因其卓越的 3D 生成與遊戲開發能力而超越 Fable 5,成為前端生成領域的新霸主。Opus 5 在這方面進行了大幅強化。測試中,Opus 5 生成的 3D 家居場景表現出令人驚豔的細節程度——家具擺放邏輯合理、光影層次豐富、物體間的空間關係協調,即使與多次測試 GPT 5.6 的結果相比也毫不遜色。製作者將此稱為「3D 開發的 AGI 時刻」,足見其突破性。

然而,Anthropic 一貫的問題依然未解決:Token 效率。早期測試已顯示 Opus 5 對 token 的消耗量很高。這與 OpenAI 最近的策略截然相反——GPT 5.6 soul 主打的是用更少 token 達成相同甚至更優的輸出,直指 Anthropic 模型的痛點。許多使用者因為 token 消耗過快而頻繁觸及速率限制,影響實際使用體驗。儘管 Opus 5 在能力上或許最強,但如果 token 效率問題持續,將限制其商業競爭力。

另一項未解決的弱點是 Vision 能力。經典的「松餅測試」要求模型辨別松餅上的異物與芝麻的差異,以判斷是否安全食用。多數模型在此測試中失敗,Opus 5 的早期測試表現也不理想,這是 Google 和 OpenAI 相比 Anthropic 的優勢領域。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。