待验证50% 置信事实精确时间

在SWE-Marathon评测中，GPT-6 Astra和Claude Fable 5.1分别使用Codex与Claude Code执行系统，因此该项目并非统一Harness条件下的受控比较。

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

Muse Wonder熔岩灯翻车：Agent高分背后的Benchmaxxing疑云

rss2026/10/19

涉及实体

GPT-6 Astramodel Claude Fable 5.1model Codexproduct Claude Codeproduct SWE-Marathonconcept

相关事实

待验证在 web-edit 0.1a1 的优化工作流中，GPT-6 Astra 负责性能瓶颈诊断，Claude Opus 5.5 负责代码改写，Simon Willison 负责审阅、合并并发布结果。78% 相似待验证GPT-6.1 Astra原定在开发者大会上亮相并计划集成进代码工具Codex76% 相似待验证模型卡选择的对比对象包括 GPT-6 Astra、Claude Fable 5.1 与 Claude Opus 5.5，且均在最大推理努力下评估。76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1067540

API

curl https://kongchang.com/api/v1/knowledge/claims/1067540

MCP

get_claim(id=1067540)