待验证50% 置信基准精确时间
在SWE BenchPro测试中,Opus配medium解决了92.8%的任务,Fable配high解决了92.3%的任务,但Fable每解决一个任务的成本约为前者的5倍。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/8
首次发现
有效期至:2026/11/22
来源
Claude模型与Effort终极指南:如何省Token
youtubeWestPoint 2026/11/7
涉及实体
相关事实
待验证对于本身能解决96%任务的Claude Opus 5.5,以BLM方式运行将模型调用和每任务成本降低了约98%,并额外解决了2个任务。69% 相似待验证理想化的任务-模型最优匹配能达到97.6%的解题率,每个任务成本仅1.88美元69% 相似待验证在长程困难任务上,Opus从low档位的87%成功率提升到x-high档位的97%,但每个任务的成本上涨近7倍。68% 相似待验证在 50 个合成杂务场景上的基准测试中,微调后的 SlothDistill 相比基座 Llama-3-8B,p95 决策延迟从 1,420 ms 降至 185 ms(提升 7.6 倍),平均输出 token 从 412 降至 48(省 88.3%),直接动作准确率从 62.4% 提升至 97.8%,每千任务 API 成本从 $1.85 降至 $0.22(便宜 88.1%)。67% 相似待验证最强配置在严格的任务级标准下解决了78.2%的任务,在标准级评估下通过率达到94.8%67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1147914API
curl https://kongchang.com/api/v1/knowledge/claims/1147914MCP
get_claim(id=1147914)