待验证50% 置信基准精确时间
Terminal-Bench 4.0的标准误差为±2.6分，Opus 5的51.8%复现为52.3%，Anthropic称之为噪声。
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
已验证在 Terminal Bench 4.0 上，Opus 5.5 得分 66.4%，Astra 为 57.9%，Fable 5.1 为 55.8%，前代 Opus 5 为 52.3%70% 相似待验证Claude 模型在 Terminal Bench 4.0 终端编码测试上的得分从42%提升到接近56%68% 相似待验证Fable 5.1 在 Terminal Bench Science 0.1 基准测试中得分 52.6%，相比上一代翻了一倍多64% 相似待验证在题目规模跨越256x的范围内，单次运行的错误判定率几乎不变：T=16时为0.531，T=4096时为0.534。64% 相似待验证Haiku 5.5 在 Terminal Bench 4.0 上的得分从上一代的0%提升至39.2%63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1025659API
curl https://kongchang.com/api/v1/knowledge/claims/1025659MCP
get_claim(id=1025659)