待验证50% 置信基准精确时间

新模型在GDPVal达到1620分（上一代735），OSWorld从15.7%提升到72.4%，Terminal Bench从0.0%提升到39.2%，人类最后的考试无工具从10.2%到45.9%、带工具从18.7%到57.4%

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

Anthropic三连击：降价90%、自曝越界、估值冲2万亿

涉及实体

Anthropiccompany GDPValconcept OSWorldconcept Terminal Benchconcept

相关事实

待验证在多个基准测试中Sonnet 5.5与Opus 5.5分差极小，如GDP Val为1844对1846、OS World为80.1%对81%、Humanity's Last Exam为64.5对67.769% 相似待验证OSWorld在2024年发布时，最强基线模型成绩仅约12%，人类完成率约72%66% 相似待验证根据Artificial Analysis的数据，从Opus 5到Opus 5.5每个任务的推理token数从约4.2万翻倍增至8.4万，而输出token仅从3万增至3.5万59% 相似待验证发布的checkpoint按块大小16训练，若将采样块大小改为64，HumanEval从76%跌至约20%，GSM8K从高位跌到2.2%58% 相似待验证Anthropic称Opus 5.5比上一代快30%以上，默认设置下可省约40%算力57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1004062

API

curl https://kongchang.com/api/v1/knowledge/claims/1004062

MCP

get_claim(id=1004062)