У Claude Opus 5.5 просел результат в NerfBench: со 103,8% вчера до 94,2% сегодня. Bridg... — 2 октября 2026 г. в 16:17:16.680
У Claude Opus 5.5 просел результат в NerfBench: со 103,8% вчера до 94,2% сегодня. BridgeMind сообщила, что пока это укладывается в обычный разброс и говорить о нерфе рано. Бенчмарк проверяет, как модель меняется после релиза. Её стартовый результат принимают за 100%, затем повторяют испытания и сравнивают с ним. В итоговом индексе учитывают качество решения задач, расход токенов и стоимость. Авторы описали, что показатель может снизиться даже при прежнем качестве ответов, если модель тратит больше токенов или денег. Проценты здесь относительно собственного старта каждой модели, поэтому интеллект Opus и Sol по ним не сравнить. Диапазон 90–110% авторы считают нормальным разбросом. При этом задания, веса и способ выявления ухудшений закрыты, поэтому независимо воспроизвести их выводы по опубликованной методике не получится. @neuro_channel