待验证50% 置信事实精确时间
GPT-5.5因用量额度耗尽，90题里有35题未跑完，答过的55题全对，但Kaggle将未答部分算错导致其官方分数偏低
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证解析缺陷加上一个错误答案键使 gpt-oss 在五个核心任务上的分数从 0.62 偏移到 1.00，偏移高达 0.3874% 相似待验证在均匀随机抽查中，gpt-4o-mini裁判的kappa为0.4271% 相似待验证46个模型中有41个完整跑完全部28道题，3个因服务错误未完成，GPT-5.6 Terra因配额限制止步24/28，GPT-6 Astra只跑了1道题70% 相似待验证GPT-5.5在该基准测试中以0.94总分领先，导演意见得分0.94，故事质量0.8569% 相似待验证首轮运行中Claude Opus 5仅得0.08、GPT-5.5完全报错，经查实为403 PermissionDeniedError配额超限错误，并发请求导致昂贵模型烧穿配额，评分器将报错调用误判为错误答案69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003228API
curl https://kongchang.com/api/v1/knowledge/claims/1003228MCP
get_claim(id=1003228)