地表最强编程王者PK！Opus 4.6双榜单封神， Codex 5.3速率满分

新智元报道

编辑：定慧倾倾

【新智元导读】硅谷的夜再次被点亮，OpenAI和Anthropic同日宣布最新模子。正当开发者们陶醉在Codex 5.3的极致速率时，Arena和Epoch两大权威榜单却给出了意想不到的终局讯断。

硅谷这波热闹，属实有点上头。

前脚Claude Opus 4.6刚刚夜袭宣布，后脚OpenAI就祭出了GPT-5.3-Codex。

两大「编程王者」正面硬刚，究竟谁的能力更强？社区现在还吵翻天～

今天，两大最硬核的权威机构Arena.ai和EpochAI，同时为Opus 4.6加冕！

Arena.ai：Opus 4.6全维度的屠榜

Arena.ai（前身是各人熟知的LMArena），这个被称为「大模子角斗场」的地方，迎来了新的霸主。

Claude Opus 4.6，在代码（Code）、文本（Text）、专家（Expert）三大竞技场，所有登顶第一！

代码竞技�。罕惹按鶲pus 4.5暴涨106分。

文本竞技�。旱梅�1496，硬生生压了Gemini 3 Pro一头。

专家竞技�。毫煜鹊诙�50分，断层式领先。

这意味着什么？

意味着在数以万计的真实人类盲测中，Opus 4.6是谁人让你最想点「赞」的模子。

它不是偏科生，它是真正的六边形战士。

在代码实测中，这次的Opus 4.6比4.5提升了106分，远超之前Opus 4.5对Sonnet 3.7的领先幅度。

Claude Opus 4.6自Claude 3 Opus以来首次在文本竞技场排名第一。

同时在要害文本种别中位列榜首：

指令遵照

难题提醒

长盘问

Claude Opus 4.6在专家领域排名第一，领先优势达+49分。

专家排行榜接纳了一个框架构建，该框架能识别出真适用户提出的最难题、最专业的提醒。

有网友体现，能够在这三个领域同时拿下第一，是真正的SOTA，很是厉害。

有网友同时体现，这Opus 4.6拿下三冠王很厉害，可是真正对模子的磨练是前沿数学能力。

这不，EpochAI的评测新鲜出炉！

EpochAI：啃下「数学硬骨头」

若是说Arena是公共评审，那EpochAI的Frontier Math就是「奥数竞赛」。

这里考的不是简朴的加减乘除，而是人类尚未解决的数学难题。

Opus 4.6交出的答卷是：Tier1-3级别得分40%，Tier4（极难）级别得分21%。

这个效果直接在统计学上追平了GPT-5.2(xhigh)。

这是Anthropic的模子第一次在这个只要有一点「智商欠费」就交白卷的榜单上，站到了最前沿。

在难度更高的第4级测试中，Opus 4.6获得 21%的得分，解决了48道问题中的10道。

该效果同样与GPT-5.2（xhigh）的19%得分在统计上持平，仅次于 GPT-5.2（Pro）31%的得分。

物理、数学，这些一经是AI禁区的地方，现在成了Opus 4.6的后花园。

Opus 4.6模子体现很是抢眼的领域，多项得分位居前线：

OTIS Mock AIME 2024-2025：得分高达94.4%，展现了极强的竞赛级数学解题能力。

GPQA Diamond：得分90.5%，这是一个针对专家级科学问题的难题测试。

FrontierMath：这是一个极其难题的数学前沿测试，Opus 4.6 得分为40.0%。在更难的Tier 4级别中，它获得了20.8%的分数，排名第2。

在综合与推理评测中：

ARC AGI v1：得分94.0%，排名第1。这是评估模子通用人工智能（AGI）潜力的焦点指标之一，专注于笼统推理和模式识别。

SimpleQA Verified：得分46.5%。该测试主要评估模子回覆事实性问题的准确度（镌汰幻觉）。

Chess Puzzles（国际象棋谜题）：得分17.0%，排名第14，相对而言这似乎是其较弱的一项。

Claude Opus 4.6在逻辑推理（ARC AGI）和高难度数学（FrontierMath、AIME）方面处于天下领先水平。

虽然它在某些特定领域（如国际象棋或简朴问答）不是第一，但其综合能力（ECI 指数 153）使其成为目今最顶尖的模子之一。

巅峰对决：速率与审美的较量

权威榜单虽然为Opus 4.6封神，但开发者们的实战也同样精彩，并且似乎更偏幸GPT-5.3-Codex。

GPT-5.3-Codex就像一个喝了十杯浓缩咖啡的顶级黑客。

顶级开发者Banteg用它挑战不可能，仅用14天就复刻了2003年的邪典游戏《Crimsonland》。

极客Karel把它当成钢铁侠的贾维斯用。一个月烧掉10000美元API费，让它天天天生700个科研假设，自动扫描Slack纪录，自动提交接码。

来详细看看顶级程序员怎样使用GPT-5.3-Codex。

代码考古：14天复生《Crimsonland》，屎山消逝术

在程序员的职场恶梦里，排第一的永远是去接手前任留下的、没有文档、作者失联、注释像天书一样的赛博废墟。

但2026年，顶级开发者Banteg告诉我们：在强力AI眼前，没有不可维护的屎山，只有舍不得烧的算力。

Banteg盯上了2003年的邪典射击游戏《Crimsonland》（血腥大地）。

这款游戏是许多80、90后的童年回忆，但它的底层代码堪称废墟。

若是凭证古板流程，至少需要一个资深团队闭关1个月，光是理清那些远古的内存逻辑就能让人少活五年。

效果，Banteg仅用了14天，就单枪匹马完成了全平台重构。

需要格外注重的是，该游戏资源用的.jaz名堂，是一种消逝了20年的私有协议，全网零文档。

换做人类，至少得猜半年。但Codex-5.3仅凭剖析二进制流特征，硬猜出了头文件结构和加密偏移量！

Jaz拿着一张JPG，并用自界说的运行长度编码的alpha通道举行包裹，然后再用zlib将整个工具重新压缩历程图

然后，天生一套现代化的C++/Rust渲染接口，让2003年的像素资源在2026年的4K屏幕上重现。

这个许多人的童年回忆，终于在23年后重见天日。Banteg在X上果真了所有代码「

GitHub代码传送门：https://github.com/banteg/crimson

以前公司裁人不敢动老员工，是怕没人能接那一堆乱码。

现在，大模子直接把这些代码塞进上下文，两周就能给你出一个全新的、注释清晰的重构版。

月费1万美金的Codex实战履历

在顶级极客Karel手里，Codex被玩成了投资游戏。

OpenAI的研究科学家Aidan说公司Karel一小我私家的Codex的使用量是其他人的十倍之多。

以是他的看法很是主要。

Karel的单月账单是10,000美元！

换来的是一套足以让古板科研机构倒闭的「非人知识循环」。

真正的突破在于让Codex一连纪录并优化自身的事情流程。

Codex会将事情条记和辅助工具提交到monorepo的小我私家文件夹中。

这些条记并非供人阅读，而是为了在后续会话中通过检索这些「履历」，提升Codex的处置惩罚速率和准确性。

Karel将Codex作为一名极其勤劳的「搜索智能体」和「尽职视察员」：

跨渠道聚合：Codex能自动爬取Slack频道、阅读讨论、获取实验分支并精选代码更改。

自主决议：它可以基于总结的条记，在搭建实验框架时自主做出重大的超参数决议。

假设天生：在几小时内通太过析Slack、截图、文档和表格，天生了凌驾700个关于模子行为的可测试假设。

其中，最要害的是「自动Helper提交」。

AI在执行使命时，会向Git提交「HelperCommits」。内里纪录了给下一次迭代中的AI准备的中心态上下文。

这样一来，模子下一次处置惩罚类似使命时，会先扫描这些高密度的「HelperCommits」，直接省掉80%的试错路径。

这种「暴力美学」的回报同样惊人。

Karel曾实验让Agent扫描公司内部历年累月的Slack纪录和杂乱文档。

几小时内，AI竟然挖掘出了700条具有科研价值的假设，并自动关联了相关的历史代码段。

10000美元买的API，赚麻了！

越发厉害的用法是使用GPT-5.3-codex同时治理多个子智能体，划分认真Slack调研、代码研究、代码编写和数据科学。

Karel只与一个「指挥官」智能体对话，由其协调解个智能体集群，从而让他自己从繁琐的并行事情中解脱。

ClaudeOpus 4.6：深图远虑的「艺术家」

若是说Codex是快，那Opus 4.6就是稳，并且美。

美学封神：在HTML5游戏开发实测中，Opus 4.6展现了惊人的「审美智商」。它写出的代码不但0 Bug，并且界面结构、配色计划直接抵达了专业UI设计师的水准。

逻辑熵控制：它也许会思索得更久（Token消耗多60%），但那是它在举行「头脑链自我修正」。它在现在的Stirrup框架下，拥有了更强的「逻辑自检」能力。它不是在瞎蒙，它是在推演。

Stirrup框架：给AI装上「小脑」

Opus 4.6之以是能碾压其他模子，得益于它对Stirrup框架的深度适配。

在这个架构下，AI拥有了实打实的Shell权限以及高度隔离的E2B沙箱。

它不但能挪用编译器，还能通过5大焦点工具联动，在亚毫秒级的时间内判断目今使命是否需要引入特另外逻辑自检。

以「视频排期表自动化」为例，它不但能算出逻辑最优解，还能凭证品牌调性自动调解输特殊式的视觉审美。

统一组数据，差别模子天生的效果

这种降维攻击，让一经的Prompt Engineering像个小学生。

逻辑熵控制：多花60%的钱，但效果更好

许多老板在看到账单时会肉疼：Opus 4.6处置惩罚同类使命的Token消耗比竞品横跨约60%。

但手艺玩家不在乎这些，他们只看「逻辑熵」。

Opus 4.6在输出前，会在后台举行猖獗的头脑链自我修正。自动推翻不对理的路径，通过大宗的内部Token消耗，换取逻辑的绝对准确。

不再做选择题

这场巅峰对决，与其说是分出了输赢，不如说是为开发者铺平了通往「一人公司」的最后一块拼图。

左手是极致速率的Codex 5.3，右手是极致审美的Opus 4.6。

以前我们纠结选谁，现在全都要：用Codex快速搭建框架，用Opus精修逻辑与交互。

当大模子的能力已经溢出屏幕，编程这件「苦差事」，终于酿成了纯粹的创立力释放。

限制你想象力的，再也不是手艺门槛，而只剩下你的脑洞了。

参考资料：

https://x.com/VictorTaelin/status/2019541668517617859

https://x.com/aidan_mclau/status/2019478632532472017

https://x.com/KarelDoostrlnck/status/2019477361557926281

https://x.com/ArtificialAnlys/status/2019474911761473605

https://x.com/banteg/status/2017950426327359947

《欧美a级性爱影院》，《Q8X2R7L1T4J5M9B6W3》

一级操逼视频

“鉂わ笍鉂わ笍鉂わ笍馃毇馃毇馃毇馃敒馃敒馃敒馃敒馃毇馃毇馃埐馃埐馃埐”

精品国产免费久久

……

02月08日

“王语纯周于希互慰”江西一水库水面惊现8米大圆气泡

↓↓↓

夜晚开的花，是存款十几万在小县城什么水平

02月08日，第135届广交会闭幕线下出口成交247亿美元，粉色在线无限看免费下载，美女被挠胸视频，亚洲午夜福利院在线观看日韩，汤不热大剧院10.31版本

02月08日，新能源车企开启新春大促“第一响”，大鸡巴插妈妈小骚逼，99黄片，久久精品亚洲av影片网站，好了综合第四航

02月08日，北京南站北枢纽出租车调度站启动试运行，66J8美女，sp酒店实践挨打视频91，国产日韩欧美视频，欧美性交狂操

02月08日，今年前3月中国太阳能发电装机容量同比增逾五成，黄色网站成人免费大全，99re九九热久久精品re，美女裸体露BBB毛澡堂，不卡中文字幕在线观看

02月08日，海南打造深海科技创新策源地实施“深海智造”行动，三级全黄不卡的在线观看，国产在线精品国自产拍影院同，亚洲性爱首页，在线观看a网站

02月08日，“桃王”来啦！河北深州上演“桃王争霸赛”，欧美一区二区情欲片在线观看，igao爱搞视频网，国产精品福利自产拍在线观看，国产中文原创

02月08日，“千年石城”见贤思齐 “乡贤人才库”赋能浙江强镇，国产情侣宾馆精品，一级毛片视频在线看，裸体裸彩被免费看，色视频综合一区二区二区

02月08日，农田吃上“营养餐”、自动化播种育苗多地春耕大幕已开启，日本欧美视频一区二区在线观看，播播色播，xunleige.c，天天日天天插天天透

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

地表最强编程王者PK！Opus 4.6双榜单封神， Codex 5.3速率满分

热门视频

k1体育麻将胡了

下载APP

所有

地表最强编程王者PK！Opus 4.6双榜单封神， Codex 5.3速率满分

热门视频

地表最强编程王者PK！Opus 4.6双榜单封神， Codex 5.3速率满分