ts-bench: Opus 5.5 fully solves benchmark, GPT-6 Luna regresses

金のニワトリ @gosrumOriginally posted 2026.09.23

Open original on X

Claude Opus 5.5、GPT-6 Sol/Luna の ts-bench 評価結果を共有する ●メモ ・Opus 5.5 (medium) このベンチマークを完全に攻略している →Tool useのミスがまったくなく、Tool呼び出し回数も最小限、最速でタスク完遂 ・gpt-6-sol (medium) gpt-5.6-sol から順当に進化。Tool use が上手くなっている ・gpt-6-luna (medium) gpt-5.6-luna より大幅に劣化。effort レベルを max にしても大差なし →なぜ・・・？？？ 流石になにかバグがあって本領発揮できていないだけだと信じたい

This post quotes another post: x.com/gosrum/status/2102543436989734957