待验证50% 置信基准精确时间

Cursor 在 SWE-bench Pro 上重跑时发现，Opus 4.8 Max 的得分从 87% 降至 73%

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/29

首次发现

有效期至：2026/11/12

来源

AI Agent基准测试作弊：Cursor揭示评分虚高陷阱

youtubeAish Reganti2026/10/29

涉及实体

Cursorcompany SWE-bench Proconcept Opus 4.8 Maxmodel

相关事实

待验证Grok 4.5 在 Tīrtha Bench 上的表现为 93.4% 准确率、98.3% 的陷阱通过率、1.85 秒延迟、每个正确答案 0.0015 美元。70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1111048

API

curl https://kongchang.com/api/v1/knowledge/claims/1111048

MCP

get_claim(id=1111048)