待验证50% 置信基准精确时间
在Exploit Gym评测中,GPT-6 Cyber的成功率从32.1%提升至48.5%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/7
首次发现
有效期至:2027/2/5
来源
涉及实体
相关事实
待验证研究者对四个模型追加一句要求实现“在满足功能需求的同时保证安全”的提醒后,GPT-5.6-Sol 的功能+安全通过率从 24.7% 升至 46.2%,GLM-5.3 从 21.3% 升至 38.2%,Qwen3.8-Max 从 22.0% 升至 37.6%,DeepSeek-V4-Pro 从 18.0% 升至 19.1%。65% 相似待验证在HLE基准测试中,COMED将GPT-5.5的表现从23.1%提升到28.1%64% 相似待验证在CAD World的200个任务测试中,最强的GPT-5.4成功率仅有17.5%64% 相似待验证叠加RSIGame后得分升至61.38,超过了Codex+GPT 5.5一次性生成的50.26,总Token使用量减少2.6倍63% 相似待验证在 Automation Bench 测试中,GPT-6 Sol 的 extra high 档拿下 33% 的第一名,而 5.6 的 max effort 得分为 28.863% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1145312API
curl https://kongchang.com/api/v1/knowledge/claims/1145312MCP
get_claim(id=1145312)