大家都知道 Anthropic 家的模型，尤其是 Opus 的实力，在编码的实际体验中是最强的，没有之一。即使拿 gemini3.1pro 和 gpt5.3codex 比，这俩也是比不上它一点。 除了编码，大家跑龙虾也能感觉出来差别很大，尤其是多步骤工具链的复杂任务只有 opus 能完美胜任，opus 画的 svg 动效流程图也是比新的 gemini 强很多。 我的问题是，公开互联网训练数据大家都是一样的，各家的 RL 也差不离（这点应该没什么技术壁垒），经济实力上 OpenAI/Google 应该更有优势，那为什么训练出来的大模型只有 opus 家最强？ 是 Anthropic 家训练更强调代码能力，侧重点不同导致的吗？
https://cursor.com/blog/cursorbench 今天刚发的，内部包含 cursor 在真实用户的真实编码场景中遥测出的评测数据 Opus 不说落后，在编码上已经没有全面领先态势了。
`即使拿 gemini3.1pro 和 gpt5.3codex 比，这俩也是比不上它一点。`谁告诉你的这俩比不上一点啊,我用 codex 解决不了的问题 opus4.6 也解决不了,claude 目前用着就是速度快一点
每个人的体感不太一样，综合看 Opus 4.6 和 GPT 5.4 high 交替被夸。某个模型解决不了，换另外一个就解决了，这个也不能直接说明哪个模型更强，很可能跟上下文有关。交叉使用多个模型解决问题，也算是一种最佳工程实践了。
真的差别那么大吗，没有特别大的感觉，我的感觉反而是 gpt5.3codex 比较稳定可靠。我是在 cursor 内测试的。 下面的乘法题，gpt5.3codex 能做到，但 opus4.6 做不到（推理卡死、直接放弃改用 python ）。都是用的最高推理能力。 ``` 你能不借助工具，心算一道乘法题吗？为保证准确性，你必须要一步一步计算。这里的一步一步是指无论加法还是乘法，都只取 1 位数字计算。也就是 1 位数乘以 1 位数，1 位数加 1 位数，无论是中间过程还是结果。 8346783724985839204724623 * 7827329472626174 ```
gpt 5.4 出来后感觉逻辑上没差别了，不过前端美观度还是 claude 略胜一筹，codex 有点直男。gemini 号称最强美工但 css 经常错乱，刚 3.1 刚发布的时候不是有个日见夜间切换按钮，尝试给他图片弄了一个，始终有样式问题，最后还是 claude 重来弄好的。 https://imgur.com/O1J5fpq https://i.imgur.com/O1J5fpq.mp4
