待验证50% 置信基准精确时间
在该基准测试中，LangGraph成功率为77.6%，平均完成时间31.2秒，平均Token成本12,143
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
待验证在每道题15分钟的时间限制下，证明智能体在StochBench上的成功证明率为34.9%（157/450）69% 相似待验证Bullet 在 SWE-bench Verified 基准测试中取得 95.8% 的成绩，位列前三，平均每个任务耗时 119 秒67% 相似待验证在Terminal Bench 4.0最高精度测试中，Fable 5.1准确率为55.8%，成本为19.50美元；Astra准确率为56.7%，成本为10.35美元66% 相似待验证在模型对比测试中qwen2.5:3b正确理解配速，幻觉地名0个，长度误差0.3%，峰值内存259MB，耗时106秒66% 相似待验证Claude在OSWorld基准测试上的任务完成率达到了14.9%，代表了当时的最高水平65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003893API
curl https://kongchang.com/api/v1/knowledge/claims/1003893MCP
get_claim(id=1003893)