[控场AI]
待验证50% 置信事实精确时间

测试使用 Claude Sonnet 5.5 和 Claude Opus 5.5 作为作答模型，Claude Haiku 5.5 担任裁判，共产生 40 组结果。

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

实测20个最热门Agent技能：安装量第一的反而拖后腿
rss2026/10/19

涉及实体

Claude Sonnet 5.5modelClaude Opus 5.5modelClaude Haiku 5.5model

相关事实

待验证在测试中，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。79% 相似待验证Claude Sonnet 5.5 在文档理解、解析与搜索方面达到 Opus 5 级别的准确度73% 相似待验证在智能体搜索测试中，Sonnet 5 各 effort level 下均优于 Sonnet 4.6，但整体性能低于 Opus 4.8，综合约在 Opus 4.7 级别72% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1065259
API
curl https://kongchang.com/api/v1/knowledge/claims/1065259
MCP
get_claim(id=1065259)