待验证50% 置信基准精确时间
在与模型截止日期之后发表的论文的对应率上，DiscoveryRSI-27B 达到 6.3%，GPT-6 为 2.5%，Claude Opus 5 为 2.3%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
涉及实体
相关事实
待验证早期GPT-4在SWE-bench的通过率仅为1.7%，Claude 3 Opus约为4.8%，直到2024年中才突破20%73% 相似待验证在涨幅超过+30%的区间，模型平均预测从Claude Opus 5.5的27.3%到GPT-5.4 mini的61.6%不等，而真实上涨率为42.8%72% 相似待验证Claude Opus 5在智能体搜索BrowseComp上得分30.8%，与GPT系列基本持平；工具增强多学科推理64.7%；生物学人类可解问题上高达90.1%72% 相似待验证顺序效应：交换两个答案的先后顺序，GPT-5.4在一个基准上改判的比例达11.4%，另一个基准10.5%；Gemini 3.1 Pro和Claude Opus 4.6则在2.0%到3.8%之间。72% 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，成本为其三分之一70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1064815API
curl https://kongchang.com/api/v1/knowledge/claims/1064815MCP
get_claim(id=1064815)