待验证50% 置信基准精确时间

研究者对四个模型追加一句要求实现“在满足功能需求的同时保证安全”的提醒后，GPT-5.6-Sol 的功能+安全通过率从 24.7% 升至 46.2%，GLM-5.3 从 21.3% 升至 38.2%，Qwen3.8-Max 从 22.0% 升至 37.6%，DeepSeek-V4-Pro 从 18.0% 升至 19.1%。

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

LSCBench新基准：编程智能体通过91%任务，安全率仅25%

涉及实体

GPT-5.6-Solmodel GLM-5.3model Qwen3.8-Maxmodel DeepSeek-V4-Promodel

相关事实

待验证在HLE基准测试中，COMED将GPT-5.5的表现从23.1%提升到28.1%75% 相似待验证在超高推理强度下 GPT-6.1 Sol 事实错误率为 4.1%，低于上一代的 4.5%，接近 Astra 的 4.0%73% 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，成本为其三分之一73% 相似已验证在DeepSuite基准上Grok 4.7得71%，GPT 5.6 Sol为72.7%，Fable 5.1为70%，Astra Max以74.1%登顶72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1032210

API

curl https://kongchang.com/api/v1/knowledge/claims/1032210

MCP

get_claim(id=1032210)