• BridgeBench 幻觉基准显示，上周 Claude Opus 4.6 准确率 83.3%（排名第 2），今日重测降至 68.3%（排名第 10），幻觉率几乎翻倍（增加 98%）。
• 多位用户反馈模型推理能力明显下降，简单编码任务也频繁出错，引发对 Anthropic 暗中降低性能的质疑。
• 部分观点指出基准任务数量不同（之前 6 个 vs 今日 30 个），共同任务得分接近，可能存在统计噪声，但用户信任已受重创。

链接：https://www.bridgebench.ai/

BridgeBench 是一个专注于 AI 编码能力 的基准测试平台（AI Coding Benchmark）。它包含 130+ 个真实世界任务，覆盖算法、调试（debugging）、重构（refactoring）、代码生成、UI 生成、安全检查、创意 HTML 等多个维度。除了准确率，还会评估速度、成本、完成率、幻觉率（hallucination/fabrication） 等实际使用指标。