放一些案例
每个都让人感叹 国模，你在哪 几乎都是满分答案
那问题在哪呢
这个问题和
Claude Opus 4.8测评：幽默A÷，风味4.7
开发调优
先放私有bench [image] 模型的直觉还是那样，claude的代码水平还是在线的 [image] [image] [image] 但主要扣分点就是，这个模型一次必然写不好，必须返工（不过agent会自己返工也行吧） [image] 神秘typos [image] 他是知道自己写错字了的，不用报错就知道，但还是写错 还很频繁，错字大模型来了。关键你写码写错字那不就爆了 …
![[image]](https://cdn3.ldstatic.com/original/4X/c/c/9/cc9b85edcd46d95b92065cac90700ba188348e68.png){kind=link}
![[image]](https://cdn3.ldstatic.com/original/4X/1/b/9/1b983d7b127b86bef7af0406e82b01ec108948a8.png){kind=link}
![[image]](https://cdn3.ldstatic.com/original/4X/3/8/1/3810ea203e7b7ea1298635daf3c9e8b5daf70659.jpeg){kind=link}
![[image]](https://cdn3.ldstatic.com/original/4X/e/7/c/e7c93d9759862138a6cdc6d0ffb7f37b597d05ca.jpeg){kind=link}
![[image]](https://cdn3.ldstatic.com/original/4X/e/c/2/ec29cd9c776cd49182f384a86825e96950fca833.png){kind=link}
![[image]](https://cdn3.ldstatic.com/original/4X/5/b/1/5b12aae1e982edd35cdac7899f850d7d1c8a4b15.png){kind=link}
中4.8的问题一样 错字 吞空格导致程序报错。而且依旧是知道自己写错了，马上去改。但在实际agent中我觉得相对致命，特别是价格翻倍了，分词器也翻倍了的情况下
实际日用Agent体验就是，太安全了，什么都给你拒绝
谁不想急头白脸一晚上吃一万个赛博安全拒绝呢。
原版mythos不仅没有这么厚的安全截断，而且也根本不存在错字问题。我的倾向是，原版mythos，mythos-5/fable-5其实是对4.6/4.8的DeepThink特化训练。以超长思考和agent换取性能。事实证明做到的，但同时也把底模的问题都带过来了
唉，A出
5 个帖子 - 5 位参与者
来源: LinuxDo 最新话题查看原文