Anthropic 發布的 Claude Opus 5.5 在常識推理基準測試 SimpleBench 上取得 88.4% 的高分，成功超越之前的頂級模型。該模型於 2026 年 9 月問世，相較於前代產品，其輸出 token 用量減少了 20% 至 25%，同時實現了顯著的效能躍升。
SimpleBench 包含 213 道六選一的選擇題，專門設計用於測試推理能力，且不依賴模型記憶中的訓練數據。Claude Opus 5.5 不僅超越了 83.7% 的非專業人類基準分數，也擊敗了前領先者 Claude Fable 的 81.9% 分數，確立了可靠性與準確性的新標準。
事件背景
SimpleBench 是一個基準測試數據集，旨在評估大型語言模型在基本常識推理任務上的表現，例如理解空間、時間和社交線索。與許多可能受到數據污染的基準測試不同，SimpleBench 的題目均由團隊全新撰寫並保持私密，確保模型必須進行真正的推理而非單純回憶。該基準測試包含人類基準分數，擁有高中知識水平的參與者通常在早期 AI 模型之上。
社群觀察
社群成員對該模型的通用性和效率表示興奮，認為它像是更聰明、更可靠的先前版本。討論中也提到了對 AI 是否終於克服了合成數據退化的「著名壁壘」持懷疑態度，部分用戶讚賞其在現實世界表現中的顯著提升。
