LiveNerf 开始追踪 Fable 5.2 表现
AI 总结
LiveNerf 维护者将 Claude Fable 5.2 加入预注册的每日评测,使用源自 GPQA Diamond、MMLU-Pro、竞赛数学和 AIME 的固定78题面板。前三次得分分别为80.8%、88.5%和84.6%,且没有服务错误,但题目原本针对 Claude Opus 5.5 选取,两者使用的 Claude Code 版本也不同。维护者称初始基线期尚未结束,且判定规则需要连续两个10天窗口下降,因此目前无法判断长期稳定性。
深度见解
该项目提供了一种可重复、仅追加结果的长期性能追踪方法,但当前 Fable 5.2 数据仅来自一个账户和三天观测。