待验证50% 置信事实精确时间

新模型是该系列第一个能调节努力度的模型，中等努力时Terminal Bench约20%，最大努力才达到39.2%

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 Terminal Benchconcept

相关事实

待验证大约一半的任务对所有模型来说都很简单，得分接近100%；另一半难题上三个模型分别拿到50%、45%和23%68% 相似待验证高质量的Prompt工程能在不增加模型参数的前提下将任务成功率提升20%~40%67% 相似待验证通过为不同任务挑选合适的模型，解题率提升了超过23个百分点，单任务成本压到原来的不到三分之一67% 相似待验证在需要5步以上操作的任务中，最强模型的成功率会从首步的80%以上骤降至后续步骤的40%甚至更低，呈现指数级下降特征66% 相似待验证实验显示模型对序列首尾信息的召回率比中间位置高出20%～40%64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1004063

API

curl https://kongchang.com/api/v1/knowledge/claims/1004063

MCP

get_claim(id=1004063)