Mô hình · Artificial Analysis
Claude Opus 3.5 soán ngôi đầu bảng xếp hạng Artificial Analysis
Claude Opus 3.5 vừa vượt qua GPT-5.5 để dẫn đầu chỉ số thông minh của Artificial Analysis, thiết lập cột mốc mới về khả năng suy luận khoa học và giảm tỷ lệ ảo giác xuống còn 35,9%.
Tóm tắt
Claude Opus 3.5 vừa vượt qua GPT-5.5 để dẫn đầu chỉ số thông minh của Artificial Analysis, thiết lập cột mốc mới về khả năng suy luận khoa học và giảm tỷ lệ ảo giác xuống còn 35,9%.
Vì sao đáng chú ý
Tin tức quan trọng về sự thay đổi vị thế dẫn đầu trong cuộc đua mô hình ngôn ngữ lớn, thu hút sự quan tâm lớn của cộng đồng công nghệ.
Nội dung dịch chi tiết
Anthropic đã chính thức phát hành Claude Opus 4.8. Với 61,4 điểm, mô hình này đã vượt qua GPT-5.5 (xhigh) với cách biệt 1,2 điểm, qua đó giành lại vị trí dẫn đầu trên bảng xếp hạng trí tuệ của Artificial Analysis.
Claude Opus 4.8 cho thấy sự cải thiện rõ rệt trong các tác vụ thực tế dành cho tác nhân (agent) và khả năng suy luận học thuật tiên tiến. Trong bài kiểm tra đánh giá tác nhân chính GDPval-AA, mô hình đạt 1890 Elo với tỷ lệ thắng khoảng 67%.
Đáng chú ý, trong lĩnh vực suy luận khoa học, đây là lần đầu tiên Claude vượt qua các đối thủ từ OpenAI và Google trên tiêu chuẩn đánh giá Humanity's Last Exam.
Về độ tin cậy, tỷ lệ ảo tưởng (hallucination) của mô hình được duy trì ở mức 35,9%, thấp hơn đáng kể so với các sản phẩm cạnh tranh trên thị trường.
Claude Opus 4.8 vẫn giữ nguyên cửa sổ ngữ cảnh 1 triệu token. Về chi phí, mức giá được ấn định là 5 USD cho mỗi triệu token đầu vào và 25 USD cho mỗi triệu token đầu ra.
Ý chính từ bài gốc
- Claude Opus 4.8 đạt 61,4 điểm, đứng đầu bảng xếp hạng Artificial Analysis.
- Vượt qua GPT-5.5 (xhigh) với cách biệt 1,2 điểm.
- Đạt 1890 Elo và tỷ lệ thắng 67% trong bài kiểm tra GDPval-AA.
- Lần đầu dẫn đầu trong tiêu chuẩn đánh giá suy luận khoa học Humanity's Last Exam.
- Tỷ lệ ảo tưởng duy trì ở mức 35,9%, thấp hơn các đối thủ cạnh tranh.
- Cửa sổ ngữ cảnh 1 triệu token với giá 5 USD (đầu vào) và 25 USD (đầu ra) mỗi triệu token.
Bài viết được AI dịch và tổng hợp tự động từ X/Twitter. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.