待验证50% 置信基准精确时间
在 SWE Marathon 测试中，MuseWonderFull 得分 57.5，常规版 53.1，Claude Opus 5.5 为 46.3，GPT-6 Astra 为 42.5。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/18
首次发现
有效期至：2026/11/1
来源
涉及实体
相关事实
待验证在 SWE-Marathon 基准中，Muse Wonder 得 53.1，Claude Opus 5.5 得 46.3，差距 6.8 分。79% 相似待验证在 HSS（图像+视频）基准上 Glimpse 得分 46.36，GPT-6 Astra 得分 53.6，两者差距约 7 个点。74% 相似待验证在长周期智能体工作流测试（Engines Last Exam）中，GPT-5.6 Sol 得分 53.6，比 Faber-5 高出 13.1 分73% 相似待验证在 Harvey Lab 法律代理测试中，MuseWonderFull 得 13.1 分，GPT-6 Astra 得 8.6 分，Claude Opus 5.5 得 4.2 分。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1059477API
curl https://kongchang.com/api/v1/knowledge/claims/1059477MCP
get_claim(id=1059477)