待验证50% 置信事实精确时间
在测试中，每个Claude模型（Haiku 4.5、Haiku 5.5、Sonnet 5.5、Opus 5.5）都至少在某个案例上出现了结果偏差导致的评分泄露。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
涉及实体
相关事实
待验证两阶段分类器运行在 Claude Sonnet 5.5、Opus 5 和 5.5、Fable 5 和 5.1 之上，Anthropic 称其误报率低于 0.1%。73% 相似待验证Claude Haiku 4.5和Haiku 5.5在两个任务上都是相同的0.875对0.875，更新的小模型并没有带来分数提升73% 相似待验证基准测试涵盖来自6个实验室的9款模型，包括Qwen3 235B、Claude Haiku 4.5、Claude Opus 5.5、Gemini系列、GPT-5.4系列、GLM-5和Grok 4.20，其中4款是推理模型70% 相似待验证在基准测试中官方展示Jev在类型安全等指标上与Luna、Tara、Sonnet 5持平，甚至高于Opus 5，但价格只是零头68% 相似待验证博主判断Haiku 5.5的绝对成品质量不及Sonnet、Opus或GPT-6 Astra等旗舰，但以四分之一价格交付接近半年前前沿水平的能力68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1043792API
curl https://kongchang.com/api/v1/knowledge/claims/1043792MCP
get_claim(id=1043792)