今日凌晨，Anthropic发布旗舰模型Claude 4 Ultra，在ARC-AGI-2基准测试中拿下78.3%的得分，首次超过人类专家75%的平均水平。这背后靠的是名为“递归思维树”的新型推理架构，把复杂问题拆成可验证的子逻辑链，像解数学题一样一步步检查，从而把“幻觉”现象大幅压下去。官方数据显示，在数学证明和代码生成任务中，错误率比上一代降了62%。定价方面，每百万tokens 45美元，比Claude 3.5 Sonnet贵三成，但官方强调综合成本因错误率下降反而更低。业内普遍认为，这是对OpenAI GPT-5.2市场份额的直接冲击。对普通用户来说，更少的错误意味着更可靠的结果，但价格门槛依然摆在那里。

WolfEye: 推理能力超越人类基准，AI从辅助工具走向独立解题者，OpenAI的护城河裂了。