Kertas penyelidikan

Dan Hendrycks terbit penilaian keupayaan pelbagai dimensi yang membandingkan Claude Opus 4.5 dengan Gemini 3

Tajuk asal:How does Claude Opus 4.5 compare to Gemini 3?

Ringkasan AI

Penyelidik keselamatan AI Dan Hendrycks menerbitkan penilaian silang terhadap Claude Opus 4.5 dan Google Gemini 3 di X, merangkumi skor indeks dalam tiga dimensi: teks, visual dan keselamatan. Keputusan menunjukkan: selepas mengawal bilangan token penaakulan, keupayaan teks kedua-duanya setara; Gemini 3 jauh mendahului dalam tugas imej/visual; manakala Opus lebih baik dalam ujian adversarial (seperti jailbreak dan kejujuran). Carta menunjukkan keupayaan teks 7 model (Gemini 3 Pro mendahului dengan 47.6), keupayaan visual (Gemini 3 Pro tertinggi dengan 57.1) dan indeks keselamatan (Opus terendah dengan 33.6, iaitu paling selamat).

Maklumat penting

  • Penyelidik keselamatan AI Dan Hendrycks menerbitkan penilaian silang terhadap Claude Opus 4.
  • 5 dan Google Gemini 3 di X,merangkumi skor indeks dalam tiga dimensi: teks,visual dan keselamatan.
  • Keputusan menunjukkan: selepas mengawal bilangan token penaakulan,keupayaan teks kedua-duanya setara
  • Gemini 3 jauh mendahului dalam tugas imej/visual
  • manakala Opus lebih baik dalam ujian adversarial (seperti jailbreak dan kejujuran).

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
X:Dan Hendrycks (@hendrycks)
Kategori
Kertas penyelidikan
Skor AI
78
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

该评测由知名 AI 安全研究者主导,数据维度全面(文本、视觉、安全),且直接对比当前头部模型,为读者提供了可量化的横向参考;尤其安全指标反常识(越低越好),有助于理解“能力”与“安全性”的权衡,对选型和风险评估有实用价值。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Dan Hendrycks terbit penilaian keupayaan pelbagai dimensi yang membandingkan Claude Opus 4.5 dengan Gemini 3. 26 November 2025. https://new.nat6.net/ms/news/j5zfuprzkr3tehmqu76tdo4g4/

Lihat Semua →