Anthropic 推出 Claude Opus 5 奪下雙料第一

Anthropic 推出 Claude Opus 5 奪下雙料第一。Arena.ai 近期發布最新評測數據，指出 Anthropic 最新推出的 Claude Opus 5 在真實世界的各項任務中表現亮眼，不僅在程式開發與文件推理等領域名列前茅，同時 Arena 也推出了結合人類偏好與事實準確度的全新評等機制。 Claude Opus 5 的卓越表現與排名 根據 Arena.ai 於 2026 年 7 月 28 日公布的即時資料，Claude Opus 5 搭配 Max 推理模式在 Frontend Code Arena、以及啟用事實查核（factuality on）的 Text Arena 中皆榮登榜首。 Claude Opus 5 (Max) 以 1,725 分在 Code Arena: Frontend 排行榜中奪得第 1 名，Claude Opus 5 (High) 則以 1,670 分位居第 3 名。 Claude Opus 5 若使用預設的高強度推理模式，同樣展現強大實力，在 Frontend Code Arena 僅次於 Kimi K3 排名第三，在 Text Arena（啟用事實查核）則位居第二。 Claude Opus 5 (Max) 在開啟真實性（Factuality）評測的 Text Arena 排行榜中以 1,512 分取得第 1 名。 這些來自真實世界的評測資料顯示，Anthropic 的最新模型在 agentic 網頁程式開發、文件推理以及一般聊天等實際任務上站得住腳。Arena 同時註明，Claude Opus 5 Max 的分數仍屬初步值，後續會隨票數收斂再更新。 結合人類偏好與事實查核的全新機制 Arena 官方推出了全新的事實查核排位機制，將人類偏好與回應的事實準確度加權結合；目前以非預設的開關形式上線，需在排行榜 UI 自行切換。 評測方法為隨機抽樣對戰記錄、萃取原子化主張（atomic claims）、利用搜尋 agents 系統進行網頁驗證，並透過 Bradley-Terry 綜合模型計算出兼顧使用者意圖與內容真實性的綜合排名。 預設的事實查核權重為 25%，藉此確保模型既不會流於事實性不足卻迎合人類偏好的回答，也不會因為過度保守或答非所問而失去實用性。 各大模型在事實查核上的表現趨勢 透過標註超過 200 萬筆來自真實世界對話的主張資料，Arena 發現不同模型的評分隨事實查核權重增加而有顯著差異。 claude-opus-4-6-thinking 在開啟 Factuality 的 Text Arena 排行榜中以 1492 分高居第一，gpt-5.5-search 則在 Search Arena 中取得榜首。（此為 Arena factuality 說明文件的附圖，資料早於本次貼文。） OpenAI 的 GPT 模型與 SpaceXAI 的 Grok 模型在提高事實查核權重時，分數多數呈現上升或持平；相對地，Anthropic 的 Claude 與 Google 的 Gemini 模型則多數呈現下滑或持平。 整體而言，Anthropic 模型較受人類使用者喜愛，而 OpenAI 的最新模型在客觀事實準確度上整體表現更為突出。 完整排行榜與詳細資料可至 Arena Leaderboard 程式碼網頁專區 進行查閱。 關於全新事實查核機制的詳細方法與背景，可參考官方發布的 Arena Factuality 說明文件。原文：https://easyvibecoding.app/curated/2740-anthropic-launches-claude-opus-5-tops-two-rankings