待验证50% 置信基准精确时间
SlopCodeBench十月测试报告显示，将推理强度从medium调至xhigh后，成本上升至2到4倍，而通过检查点的数量并没有可靠提升。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/21
首次发现
有效期至：2026/11/4
来源
涉及实体
相关事实
待验证在Skatebench测试中，从x-high档到max档，每题推理token从约330暴涨到近5000（超过10倍），得分只提升1%67% 相似待验证在检查点通过率上，xhigh并未展现出统计上可靠的提升；部分任务中两者持平，个别任务甚至出现xhigh略低的情况。64% 相似待验证从 High 到 Max 推理档位的边际收益递减明显：DeepSWE 分数仅提升约 4 个百分点，成本却增加约 1.5 倍64% 相似待验证研究数据显示，在复杂代码生成任务中，将thinking budget从1024 tokens提升到8192 tokens可以带来15-30%的准确率提升，但推理成本增加4-8倍63% 相似待验证自动化评估显示，DiscoveryRSI 的假设质量从基座模型的 4.86 提升到两轮自我改进后的 5.39，提升集中在可证伪性和数据可解析性维度。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1081131API
curl https://kongchang.com/api/v1/knowledge/claims/1081131MCP
get_claim(id=1081131)