待验证50% 置信基准精确时间
GPT-4o-mini 在同一HS编码基准测试上准确率约18%；带网页搜索的最佳AI Agent可达46.8%，但每次调用成本$1-10，耗时10-30秒；人类专家约95%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
待验证在WebArena浏览器智能体基准测试中，当时最强的GPT-4智能体得分14.41%，人类得分78.24%74% 相似待验证在GPT-4发布初期，主流模型在GPQA上的准确率约为35-40%，人类领域专家基准线约为65%，随机猜测为25%71% 相似待验证表现最佳的Edu-QuRater在还原留出集的GPT-4.1-mini成对判断时平均准确率达到0.91770% 相似待验证在Artificial Analysis综合智能指数中，GPT-6 Sol满档48分（与Astra同档），Luna满档36分70% 相似待验证在 Automation Bench 中档推理强度下 GPT-6.1 Sol 得分 35.4%，比 Opus 5.5 高 2.2 个百分点，成本为其三分之一69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1024199API
curl https://kongchang.com/api/v1/knowledge/claims/1024199MCP
get_claim(id=1024199)