GPT 用户试用 Opus 5.5 后质疑基准测试

一名自称从事跨行业前沿研发的 GPT 用户试用 Opus 5.5 后称，实际体验与基准测试结论严重不符：基准显示 Claude 仅略微领先，但 Opus 5.5 能指出推理与逻辑漏洞、给出复杂工作流的变通方案，而 GPT 侧模型 Astra 连基础问题都需用户自行甄别废话。 该用户据此质疑基准测试能否反映真实使用差距，其判断来自个人试用，涉及工作流、多模态推理与数据分析场景。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。