Opus 5在SlopCodeBench实测：正确率换代码量

Benchmarking Opus 5 on SlopCodeBench

我亲自跑了三个Claude模型在SlopCodeBench上的表现。这个新基准测试模拟了真实开发中需求逐步披露的场景，不再一次性给出全部问题。结果显示，Opus 5虽然以24%的严格通过率领先，但代价是代码量激增，生成的函数数量是Opus 4.8的五倍。所有模型最终都未能无缺陷地完成挑战，这揭示了一个残酷现实：目前的AI模型在真实软件工程场景中，仍无法实现完全无人值守的自动化开发。