Vellum LLM Leaderboard 更新：Claude Opus 5 保持领先

Vellum LLM Leaderboard (人类最终考试) 的最新数据显示，Claude Opus 5 凭借 64.7% 的高分继续占据榜首，巩固了其在综合能力方面的领先地位。Claude Mythos 5 以 64.5% 的得分紧随其后，显示其强大的竞争力。其他前排模型包括 Claude Opus 4.8 (57.9%)、Claude Sonnet 5 (57.4%) 和 Kimi K3 (56%)。在特定任务方面，Claude Sonnet 5 在推理 (GPQA Diamond) 中以 96.2% 领先，GPT-5.6 Sol 在 Agentic 编码 (SWE Bench) 中以 96.2% 领先，而 Claude Opus 5 在工作自动化 (AutoBench) 中以 26% 领先。这些数据为开发者选择最适合其应用场景的模型提供了参考。