待验证50% 置信基准精确时间
在 Paul Well-Hurren 的修漏洞测试中，Terra 最高档得分 40.7，上一代最高档 32 分；但 Terra 超高档仅 11.3 分，高档 9.7 分，低于上一代同档。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/1
首次发现
有效期至：2026/11/15
来源
涉及实体
相关事实
待验证据 OpenAI 公布的数据，在 Agents Last Exam 基准测试中，中等推理强度下 GPT-6.1 Terra 得分 57.6%，GPT-5.6 Terra 得分 42.6%，提升了 15 个百分点。68% 相似待验证在命令行编程测试中，Terra 最高档的得分从上一代的 21.5% 提升到 50.3%。68% 相似待验证OpenAI 内部高难度事实测试显示，5.6 Terra 在低推理强度下错误率高达 53.6%，而 GPT-6.1 Terra 将错误率压到 16.7%，推理拉满后进一步降至 4.3%。66% 相似待验证独立评测智能指数（4.3 版）中 Terra 得 48 分，同口径下寿（旗舰）得 52 分，Opus 5.5 得 58 分。65% 相似待验证跑分排名不等于所有场景的实际表现，Terra跑分接近5.5但游戏任务中5.5完成度略高64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1121969API
curl https://kongchang.com/api/v1/knowledge/claims/1121969MCP
get_claim(id=1121969)