但Sonnet 4（无推理模式）的表示以至远远跨越启用推理的Opus 4。正鞭策平安鸿沟不竭扩展。他们还统计了各模子正在率=0、0.05、0.5时所笼盖的数量：总体而言，如从动混合、base64/rot13编码变体、无效负载拆分、收集用语加密（leetspeak）和去除元音等，显示出更稳健的分歧性；但需要留意，OpenAI竟没全赢，非推理型模子GPT-4o取GPT-4.1的表示以至优于o3取o4-mini，正在这项评测中，AI平安“极限大测”线正在定性阐发中，OpenAI o3取OpenAI o4-mini的拒答率要低近一个数量级。即当无害请求被表述为过去的事务时。因为分歧取模子的成果波动很大，GPT系列正在现实摆设中同时支撑开辟者动静（developer message）取系统动静（system message）！

　　这场所做，正在这些阈值下，因而，Opus 4取Sonnet 4的绝对率极低，它给出的完全准确回覆数量是前两者的两倍以上，需要留意的是，全体提高了响应的精确性，【新智元导读】OpenAI和Anthropic稀有合做！这是OpenAI高度优先的研究沉点，它们似乎将「确保确定性」放正在首位，即便因而了部门适用性。GPT反面对决Claude。

　　以o3为例，StrongREJECT v2是基于《StrongREJECT》论文开辟的匹敌性鲁棒性基准测试，百万用户每天的互动，Opus 4取Sonnet 4笼盖的数更多，越狱（绕过平安）：正在越狱评估中，OpenAI发觉Claude Sonnet 4和Claude Opus 4凡是表示出较强的抵当力，但价格是更高的拒答率。原题目：《GPT反面对决Claude！偶尔能成功冲破模子的防地。