待验证50% 置信基准精确时间
Forecall在4个服务器（Memory、Notion、Playwright、Chrome DevTools）的88个工具上，为每个工具生成8个单步请求，分别用Claude Sonnet 5.5和GPT-6.1 Sol测试模型选择正确率，所有服务器的正确率区间为91%到99%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/15
首次发现
有效期至：2027/1/13
来源
1,274个MCP工具描述评分后，模型选工具靠什么？
rss2026/10/15
涉及实体
相关事实
待验证在易核查档，有七个模型在所有六类诱饵下都拿到了40/40满分，Claude Sonnet 5.5、Gemini 3.7 Flash 和 GPT-6.1 Sol 在易难两档全部六个任务下一题没错69% 相似待验证B站UP主「进化中的阿诚」用9道大题的基准测试对GPT-6 Sol进行评测，加权总分为95分66% 相似待验证智能路由方案通过 9/12（75%），Opus 通过 11/12（92%）；三个失手中有两个单元测试和一个 QA 任务被路由给 Claude Haiku 5.5，回答超出 8000 token 上限65% 相似待验证完整系统在六个由仿真器衍生的报告字段上达到了77.3%的准确率64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1035655API
curl https://kongchang.com/api/v1/knowledge/claims/1035655MCP
get_claim(id=1035655)