待验证50% 置信基准精确时间

在 BIRD dev 集全部 1534 道题上，Claude Opus 5.5 取得了 77.1% 的执行准确率。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/24

首次发现

有效期至：2026/11/7

来源

SQL Agent模式选择层实测：Opus竟输给Sonnet，投票机制零收益

涉及实体

Claude Opus 5.5model BIRDconcept

相关事实

待验证据Anthropic系统卡显示，Claude Opus 5.5在SWE-bench Pro上达到89.9%的准确率，BenchLM 2026年10月排行榜也重复了这一数字。70% 相似待验证Claude Opus 5 在 ThinkingBox 中 pass@20 为 79.09%，all-20 达到 47.53%（241个任务稳定通过）69% 相似待验证Tīrtha Bench 共享对比中最高准确率为 95.4%，由 Grok 4.7 和 Claude Opus 5.5 并列取得。68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1092529

API

curl https://kongchang.com/api/v1/knowledge/claims/1092529

MCP

get_claim(id=1092529)