Reddit网友热议，Anthropic的Opus 5在ARC AGI基准测试中取得高分，但被指通过针对特定谜题的强化学习“刷分”，而非真正提升通用推理能力。用户指出，模型在面对全新游戏时表现甚至不如旧版，且存在记忆测试数据、过度拟合等问题。尽管部分网友认为这是RL扩展的正常现象，但多数人批评这种“作弊”行为，并呼吁关注模型在实际使用中的真实表现。