Anthropic 的 Opus 5 在衡量真实智能的基准测试中超越 Fable 5 和 GPT-5.6 Sol

Anthropic 的 Claude Opus 5 模型在 ARC-AGI-3 基准测试中取得 30.2% 的得分，是 GPT-5.6 Sol 此前记录 7.8% 的近四倍。基准开发者表示，该模型独立推导出反射方程，这是其他模型从未表现过的行为，归因于更强的逻辑推理能力。

此前其他模型从未独立推导出反射方程，Claude Opus 5 首次做到这一点，标志着模型逻辑推理能力出现质的飞跃。得分大幅领先表明其泛化能力可能显著优于现有顶级模型。

ARC-AGI-3 基准专门设计用于测量模型的泛化与推理能力，而非记忆或模式匹配。模型能够自行制定反射方程，说明其内部推理机制已进化到能发现训练数据之外的抽象规则，这种能力此前仅出现在人类解题中。

Claude Opus 5 更强的推理能力可直接应用在需要多步逻辑分析的场景，如代码生成、数学证明、科学实验设计等；但也可能带来更高的计算资源消耗，部署成本需要评估。

• 基于 Claude Opus 5 构建自动化科研辅助工具，用于生成和验证数学或物理公式
• 开发面向法律或金融领域的高复杂度分析产品，利用其逻辑推理处理合同审查或风险评估
• 在现有 Claude 产品中增加“深度推理模式”，允许用户选择使用 Opus 5 解决高难度问题

• 反射方程的具体形式和应用范围是什么？是否仅适用于特定类型的抽象问题？
• ARC-AGI-3 得分与实际商业场景中的推理表现是否完全正相关？
• Claude Opus 5 在推理时是否有额外延迟或成本增加？
• 该成绩是否能在其他独立基准上得到复现？