概念
知识工作基准测试套件
已跟踪 3 条高相关材料
最近变化
2026-07-25 · Claude Opus 5在AA-Briefcase基准测试中比Fable 5高出150 Elo
为什么值得关注
AA-Briefcase 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
[AINews] Claude Opus 5: Fable-level performance at Opus price (half Fable)
Latent Space · 8.5 分
Claude Opus 5在性能接近Fable 5的同时将成本降低20%，独立测试显示其在知识工作基准测试中领先150 Elo。
“Cost per task varies by ~800x across models tested: Claude Fable 5 leads the benchmark but costs mo...
clem 🤗(@ClementDelangue) · 8.5 分
Claude Fable 5 在基准测试中表现最佳，但每任务成本高达 31 美元，而 DeepSeek V4 Flash 仅需 0.04 美元。
.@ArtificialAnlys just dropped a brand new leaderboard called AA-Briefcase for evaluating realistic ...
NVIDIA AI(@NVIDIAAI) · 6 分
NVIDIA AI 提到 ArtificialAnlys 发布了新的 AA-Briefcase 排行榜，用于评估复杂项目中的真实任务，Nemotron 3 Ultra 表现突出。
已收录 3 条与 AA-Briefcase 相关的内容，按评分排序。
Claude Opus 5在性能接近Fable 5的同时将成本降低20%，独立测试显示其在知识工作基准测试中领先150 Elo。
入选理由：Claude Opus 5在AA-Briefcase基准测试中比Fable 5高出150 Elo
Claude Fable 5 在基准测试中表现最佳，但每任务成本高达 31 美元，而 DeepSeek V4 Flash 仅需 0.04 美元。
入选理由：Claude Fable 5 每任务成本高达 31 美元，远高于 DeepSeek V4 Flash 的 0.04 美元。
NVIDIA AI 提到 ArtificialAnlys 发布了新的 AA-Briefcase 排行榜，用于评估复杂项目中的真实任务，Nemotron 3 Ultra 表现突出。
入选理由：AA-Briefcase 是一个用于评估复杂项目中真实任务的新排行榜。
![[AINews] Claude Opus 5: Fable-level performance at Opus price (half Fable)](https://substackcdn.com/image/fetch/$s_!1XAa!,w_1456,c_limit,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F34020777-3ff4-437c-af38-c915ca21b7fd_2464x1352.png)
