待验证50% 置信基准精确时间
同一套流水线、同样的 135 道 Spider 2.0-lite SQLite 题上，Sonnet 拿到 71.9% 而 Opus 只有 67.4%，但在 BIRD 上 Opus 表现更好。
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
涉及实体
相关事实
待验证在 Spider 2.0-lite 的 135 道 SQLite 题上，Claude Sonnet 5.5 达到 71.9% 的执行准确率。76% 相似待验证在 Spider 数据集上，schemagate 与同模型（Claude Sonnet 4.5）得分持平，均为 93.0；论文在 Spider 上的最佳成绩来自 DeepSeek V3.2-Reasoning，达到 95.9。67% 相似已验证Opus 5.5在终端智能体基准拿到66分，高于Sonnet的55分和Astra的57.9分64% 相似待验证Opus-4-8的原始能力比sonnet-4-6高出10个百分点，但其范围遵守能力高出35.6个百分点63% 相似待验证Claude Opus 4.6 的最大输出 token 为 128K，Claude Sonnet 4.6 的最大输出 token 为 64K。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1092532API
curl https://kongchang.com/api/v1/knowledge/claims/1092532MCP
get_claim(id=1092532)