猫眼影戏
 |
|
猫眼影戏
伊戈达拉
手机审查
猫眼影戏记者 郭碧婷 报道Q8X2R7L1T4J5M9B6W3
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
??时势1：欧美h色精品
??02月07日,【光明论坛】强化金融支持举措 激发民营经济活力,
同砚们，“良时不再至，离别在须臾”“起劲崇明德，皓首以为期”。祝福你们，我的孩子们，深深地，深深地！
,摸BBB揉BBB添BBB。??02月07日,海外华文媒体探寻福建南靖之美,
一是生长的信心缺乏。部分同志对实现快生长、大生长的信心缺乏，气馁失望，精神萎靡，走路低着头、开会坐后头、事情没劲头，损失了前进的动力和战斗的意志。
,免费啪啪视频30分钟免费看,国产一级毛片不卡在线,操高中生在线播放。??时势2：国产a免费观看
??02月07日,澳门单牌车有望经横琴驶入广东其他区域,
??02月07日,30余国驻穗领事官员及家属在穗近距离体验粤剧文化,
(进入课堂——学生作业不工致——没养成良勤学习习惯)
,思思福利导航,看免费的毛片A片,大狙夹大阻。??时势3：户籍猎手(永久免费)下载
??02月07日,李显龙现身上海豫园 不停地驻足拍照“打卡”,
我是来自六（2 ）班的 付桂 ，今天能站在这儿，代表我们结业班全体同砚讲话，我感应无比的自豪与激动，这是先生、同砚对我莫大策 的勉励和信任，我更愿把这种勉励和信任看作是对我的一种推动.我 我不是学得最精彩的，只是尽自己的起劲取得了一些微缺乏道的效果，谆 深感自己支付的起劲与先生沤心沥血的谆 zhū ūn 谆教育相差甚远。
,医生扒开腿用黄瓜把我弄高潮了,国产一级av黄,可以手机在线看a的网址。??02月07日,湖南祁阳多样化种植实现“一棚多收”,
三是要围绕阵势，起劲转变作风，进一步提高执行力。
,工口.18,天天5g天气爽罗志祥多人运动在线观看免费版,瓜老师の吃瓜日记账号密码。??时势4：一 级 黄 色 片免费看的
??02月07日,应对低温寒潮 长沙“菜篮子”供应充足,
这是一片奇异的天地，也是一片恐怖的天下，自然生涯情形卑劣，竞争残酷，人族必需要抗争才华生涯下去。
,日本学生 片,欧美A片黄片视频,GayFUCK老头巨大FuCk~。??02月07日,爵士钢琴家罗宁与新疆艺术学院学子分享音乐之旅,
小朋侪若是遇到火灾各人应该怎么办呢？下面听先生讲一讲：
,免费看片Aⅴ免费大片,亚洲欧美偷拍一区,爽⋯好多水⋯快⋯爽快免费水。责编：范明月
审核：戴东昌
责编：易征洋
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
