LiveNerf 实测：Opus 5.5 是否被削弱

作者用 LiveNerf 对 Opus 5.5 在固定的 78 题面板上每日评测，截至 10 月 22 日累计 2262 个样本，最新得分 59.0%，基线均值为 58.4%，未发现持续下滑。Opus 5 与 Opus 5.5 在对比中约 99% 结果一致，但作者强调这不能证明模型未变。验证时还发现 78 个答案键中有 8 个错误、约 30 个存在歧义，项目已在 GitHub 开源。