Anthropic 的 Claude Opus 4.8 在六项测试中表现参差不齐

Anthropic 的最新模型 Claude Opus 4.8 接受了六项测试评估，展现了优点和缺点。该 AI 在复杂数学问题上表现出色，并生成了一款完美的游戏，但也一次性耗尽了其全部 Token 额度。

测试亮点

• 在具有挑战性的数学问题上取得优异成绩，展现出强大的推理能力。
• 从头开始生成了一个干净、无错误的游戏。
• 一次交互中消耗了全部 Token 配额，限制了后续测试。

观察者指出，尽管 Claude Opus 4.8 在其优化任务中表现出色，但在 Token 管理上存在困难。这一事件凸显了该模型生成冗长输出的倾向，可能影响长时间会话的可用性。

Anthropic 尚未对 Token 消耗问题发表评论。该评估由 Decrypt 使用标准基准提示进行。