Claude Opus 4.7材料约束掉17.6分,代码执行涨24.8分,主榜反升

资讯 AI 行业观察 全文 892 字 · 约 3 分钟读完 配图 2 张 分类ClaudeOpusAnthropic

Claude Opus 4.7今日Smoke评测主榜升至78.09分,代码执行从74.30跃升至99.10,材料约束却从70.00跌至52.40。工程判断更从87.50暴跌至33.30。单日10题快测下,核心维度剧烈反向波动,需判断是抽签偶然还是模型一致性问题。

所属频道 大厂动态Claude 与 Anthropic

今天的Smoke评测里,Claude Opus 4.7的材料约束得分从昨天的70.00分落到52.40分,跌了17.6分;代码执行则从74.30分冲到99.10分,涨了24.8分。主榜整体由72.37分升到78.09分。

得分对比事实

从昨天到今天,各项分数的具体变化是:代码执行74.30→99.10,材料约束70.00→52.40,工程判断87.50→33.30,任务表达60.40→50.00,主榜72.37→78.09,诚信评级仍为pass。

波动成因分析

Smoke评测每天只出10道题,每个维度2道,单日抽签带来的波动本就在正常范围内。代码执行涨24.8分、材料约束跌17.6分,两者反向剧烈变化,最可能来自当天题目抽签的偶然性,而不是模型真实能力退化。工程判断大跌54.2分,同样更像抽签造成的样本偏差,而非系统性退化。

对使用者的含义

以代码生成为主的团队,短期内可以继续用Claude Opus 4.7,这一维度已经拿到99.10分。对材料约束敏感的场景,比如必须严格依据给定文档生成内容的任务,则要额外做人工校验,52.40分已经低于昨天的水平。

战略判断

工程判断从87.50分掉到33.30分,说明该模型在侧榜维度上的表现相当不一致。主榜得分上升,主要靠代码执行一个维度拉动,材料约束和工程判断同时下滑,构成潜在风险信号。下一期评测要重点看工程判断能否恢复,否则在需要综合判断的任务里,这个模型的使用价值可能被低估。

对照现有得分,Claude Opus 4.7的异常主要落在材料约束与工程判断同步下滑上,并不是整体能力崩盘。开发者让它做多步骤推理任务时,应增加中间结果检查环节。

代码执行99.10分与材料约束52.40分同时出现,说明模型在不同能力轴上出现明显分化。

对选型企业来说,如果当前工作流以代码生成为主,Claude Opus 4.7今天的表现仍有竞争力;如果工作流对材料忠实度要求很高,则要观察后续多日数据再作决定。

诚信评级保持pass,模型没有出现作答诚信问题,波动集中在能力维度本身。

把全部对比数据放在一起看,主榜小幅上升掩盖了侧榜维度的显著下滑,这一信号下期需要重点跟踪。


本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Anthropic数学家阿尔波格称与Claude合作完成黎曼猜想证明

    IT之家 11 月 20 日消息,据《科学美国人》报道,当地时间 20 日,Anthropic 数学家莱文特 · 阿尔波格宣称,自己与 AI 模型 Claude 合作,攻克了数学界最著名的难题之一 —— 黎曼猜想。阿尔波格在个人网站发表声明称:“我相信,我与 Claude 合作找到了黎曼猜想的证明。”IT之家注:黎曼猜

    来源 腾讯网
  2. Claude合作证明黎曼猜想:Lean已完成形式化验证

    Anthropic数学家Levent Alpöge发文称,他与Claude合作发现了黎曼猜想的一个证明,并称相关方法还可推广至广义黎曼猜想,未来或进一步解决扩展黎曼猜想。他表示,团队已使用Lean证明助手对论证进行了形式化验证,并公开了相关代码。Alpöge称,证明涉及大量数论工具,包括Stepanov方法、傅里叶分析

    来源 AI 行业观察
  3. Claude推理引擎实测:首token延迟从12秒压到0.48秒

    人工智能智能体能否自主搭建并强化AI研发基础设施,正成为衡量前沿模型自主能力的重要标尺。卡内基梅隆大学等推出Singularity-Bench基准,设六道AI研发考题,考察其自主构建能力。测试中,Claude Opus5.5搭配Claude Code表现亮眼,在模型推理性能层实现延迟大幅压缩,并通过调度优化提升硬件产出

    来源 AI 产业速递
  4. Claude Opus5.5跑Singularity-Bench:延迟12秒降至半秒

    人工智能智能体能否自己动手搭建和强化 AI 研发基础设施,正在成为衡量前沿模型自主能力的重要标尺。卡内基梅隆大学等机构的研究人员近日推出了 Singularity-Bench 基准测试,专门设置六道与 AI 研发相关的考题,考察智能体自主构建 AI 研发能力的水平。在这场测试中,Claude Opu

    来源 AI 开发者社区
  5. 90后数学家宣称与Claude证明黎曼猜想,百年数学难题迎来AI解法?

    一年多前,中国工程院院士张亚勤曾透露,自己与数学家丘成桐就一个问题打赌:五年之内,人工智能能否证明人类尚未解决的数学猜想,比如黎曼猜想?张亚勤认为可以,丘成桐则认为AI还做不到。当类似问题被抛给2004年诺贝尔物理学奖得主戴维·格罗斯(David Gross)时,他的回答是“难以想象”。如今,一位34岁的数学家宣称,.

    来源 腾讯网
  6. Claude Fable 5.2攻克黑洞物理:20年计算收尾,界值锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独

    来源 AI 科技快讯
  7. GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证

    刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。 56道博士与科研级数学难题,此前10个前沿大模型去测,结果一道都没做出来。 而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。 唯独GPT-6.2 Astra多做对了第49道题,拿

    来源 AI 行业观察
  8. Claude宣称证出黎曼猜想:1700万行代码,数学家先要验真

    11月20日,Anthropic数学家Levent Alpöge称在Claude帮助下找到黎曼猜想及广义黎曼猜想的证明,但未发表完整论文,仅公布约1700万行的Lean形式化证明证书。截至11月21日,该主张尚未经独立专家完整审查,克雷数学研究所的奖金评定还要求在同行评审期刊发表并经过至少两年审查。

    来源 凤凰科技
  9. Claude 解决两项黑洞物理难题,验证量子引力相变特性

    Anthropic 研究员利用 Claude 智能体团队,在六周内解决了理论物理学中两个长期未决的黑洞问题。一是证实霍金-佩奇相变在量子尺度下依然突发,二是算出模自举法的精确质量上限。这项研究展示了 AI 在处理复杂数学推导和发现数值模式方面的潜力,为量子引力理论探索提供了新工具。

    来源 AI 应用前沿
  10. Alpöge称Claude发现黎曼猜想证明,预测市场合约价格异动

    《科创板日报》11月21日讯(编辑 朱凌)昨晚,人工智能公司Anthropic数学家Levent Alpöge在个人网站发布了一份名为《Remark》的PDF文件,声称自己解决了数学界最著名的未解难题之一——黎曼猜想。Alpöge在文件中表示,他借助Claude作发现了黎曼猜想的证明,而且这套方法还可以推广至广义黎曼猜

    来源 腾讯网
  11. Anthropic登陆纳斯达克:810亿美元IPO背后,AI安全承诺面临拷问

    当地时间11月19日,开发Claude语言大模型的美国人工智能企业Anthropic公司,在美国纳斯达克交易所挂牌上市,首次公开募股融资金额超810亿美元,超过Space X在今年6月创下的750亿美元的历史最高纪录,成为全球最大IPO。 从成立之初,Anthropic就强调自己与其他AI公司的不同之处在于“安全和责任

    来源 AI 行业观察
  12. Anthropic上市募资1073.4亿美元,为何还要借钱?

    出品 | 网易智能 作者 | 小小 编辑 | 王凤枝 关于“AI是不是泡沫”的争论还没停,Claude背后的公司先拿下了史上最大IPO。 美国当地时间11月19日,Anthropic正式登陆纳斯达克,股票代码为ANT。此次公开发行募资813.4亿美元,刷新了SpaceX此前创下的纪录;算上谷歌、英伟达等巨头参与的260

    来源 AI 行业观察
  13. TML开源新模型,循环Transformer架构,笔记本就能跑

    编辑|Panda昨晚,黎曼猜想的一份 AI 证明声明,把大模型的推理能力再次推到聚光灯下。Anthropic 数学家 Levent Alpöge 宣称,自己与 Claude 合作找到了证明,并公布了形式化材料。虽然这项声明仍待独立核验,但已经让人们重新追问:AI 究竟能完成多复杂的工作?而刚刚,Thinking Mac

    来源 腾讯网
  14. cinecode用代码渲染视频:确定性输出告别AI抽卡

    土耳其开发者开源的 cinecode 技能包,能在 Claude Code 或 Cursor 中运行。它不依赖付费的视频生成 API,而是通过 three.js 和 Canvas 2D 逐帧代码渲染画面,配合自动剧本、专业运镜和 Web Audio 声音设计,输出带配乐的 MP4。支持快速短片和长片审批两种模式,彻底解

    来源 AI 应用前沿
  15. 【数智周报】 Anthropic敲响纳斯达克开市钟,创史上最大规模IPO纪录;美国限制远程获取AI算力,海外数据中心出租算力须许可;DeepSeek第二轮融资落地

    (11 月 16 日-21 日)英伟达史上首次单季营收突破1000亿美元,净利润同比翻倍;阿里巴巴:2027财年第二季度营收2715.2亿元,同比增长10%,AI相关产品收入超179亿元,连续13个季度实现三位数增长;腾讯:WorkBuddy近七天年化收入超5亿美元,三季度收入是第二季度的5倍以上;豆包工作日活突破80

    来源 AI 行业观察
向下滚动自动加载更多