待验证50% 置信事实精确时间
在 Opus 5.5 上，20 个技能中 12 个明显有帮助、2 个明显变差、6 个样本不足无法判断。
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
相关事实
待验证在 Sonnet 5.5 上，20 个技能中 12 个明显有帮助、4 个明显变差、4 个样本不足无法判断。80% 相似待验证在一项自然实验中，11个技能评估中有7个分数在两次运行间发生了变化，最大波动达到1分。72% 相似待验证标准分为基础性、过早披露、目标偏离、信息遗漏四个族，共19种失败模式，其中18种在实际测试中触发。69% 相似待验证Claude Opus 5.5在507个任务中只有241个做到20次全对，20-of-20可靠性为47.53%69% 相似待验证基准集从10个任务增长到20个时，原本10/10全通过的智能体在新计数方式下显示失败10次，导致被误判为能力衰退并自动隔离。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065262API
curl https://kongchang.com/api/v1/knowledge/claims/1065262MCP
get_claim(id=1065262)