待验证50% 置信基准精确时间
在 40 个任务的学术基准 Cybench 上使用 Opus 4.8（去掉提示与题解），T3MP3ST 取得 23/40 = 58% 的单次无提示 pass@1
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/6
首次发现
有效期至：2026/10/4
来源
T3MP3ST：将编程Agent武装为自主渗透红队的开源框架
twitterelder_plinius2026/7/5
相关事实
待验证Claude Opus 4.8 completed identical tasks with 15% fewer steps and 35% fewer output tokens compared to its predecessor66% 相似待验证Opus 4.7每次解题的中位输出token数为60,000，而GPT 5.5仅需16,00065% 相似待验证Claude Opus 4.7中间检查点通过率达57%，最终准确率却只有39.8%65% 相似待验证Qwen3.6 35B在SWE Bench Verified上的成绩距离Claude Opus 4.6仅差1.6个百分点64% 相似待验证在 XBEN 白盒模式下 T3MP3ST 的 pass@1 达到 98.7%，最差单轮为 98.1%（102/104）63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/114276API
curl https://kongchang.com/api/v1/knowledge/claims/114276MCP
get_claim(id=114276)