以下内容翻译自 BridgeMind 发布的帖子
“CLAUDE OPUS4.6 被削弱了。
BridgeBench 刚刚证明了这一点。
上周，Claude Opus4.6 在幻觉基准测试中排名第2，准确率达到83.3%。
今天对 Claude Opus4.6进行重新测试后，它在排行榜上跌至第10位，准确率仅为68.3%。
幻觉率增加了98%。
bridgebench.ai 刚刚确认，Claude Opus4.6 的推理能力已被降低，已经被削弱了。”
以下是 X 上用户收集的具体降智表现：
中位数思考量从约 2,200 个字符降至约 600 个字符。
API 请求量从二月到三月增加了 80 倍。思考减少和失败尝试增多意味着重试更多，消耗更多令牌，并花费更多令牌费用。
每次编辑的阅读次数从 6.6 倍降至 2.0 倍。模型在接触代码前就停止研究代码。
模型试图退出或询问“应该继续吗”在 17 天内发生了 173 次（3 月 8 日之前为 0 次）。
推理中的自我矛盾（“哦等等，其实……”）增加了三倍。
像 CLAUDE.md 这样的约定被忽略，因为检查编辑的思考预算减少了。
太平洋标准时间下午 5 点和 7 点是最差的时段，深夜明显更好。这意味着思考分配很可能对 GPU 负载敏感。
的感觉，技术确实牛逼，宣传和声誉确实抽象
