待验证85% 置信事件时间未知

B站UP主通过5项可视化编程任务对Claude Haiku 4.5进行了系统性测试，结果全部表现不佳

1

来源数

85%

置信度

中期 (~90 天)

时效性

2026/6/3

首次发现

有效期至：2026/9/1

来源

Claude Haiku 4.5实测：5项编程任务全面翻车

bilibilikarminski-牙医

涉及实体

Claude Haiku 4.5model B站company

相关事实

待验证测试者认为Claude Haiku 4.5在3D建模理解、代码性能优化、库引用准确性、物理逻辑推理、指令遵循能力五个维度均表现为差或极差81% 相似待验证Claude Haiku 4.5生成的大象牙膏动画代码存在严重性能瓶颈，运行时特别卡顿68% 相似待验证本次评测由B站UP主'不正经的前端'设计，包含四个难度递进的编码场景67% 相似待验证Haiku 4.5在安全评估中的错位行为（misalignment behavior）发生率在所有模型中最低。65% 相似待验证测试中约1-2B的小模型无法在大段系统提示词中准确定位并完成复杂工具调用任务62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/40309

API

curl https://kongchang.com/api/v1/knowledge/claims/40309

MCP

get_claim(id=40309)