livenerf 开源：用预注册基准长期检测 Claude Opus 5.5 发布后是否被削弱
A long-running, deterministic-as-possible benchmark for detecting whether a frontier model gets quietly worse after launch. !
回到原文
这里保留短导读，不转载来源网站的完整正文。具体表述和后续更新请以原文为准。
打开 github.com 原文