待验证50% 置信基准精确时间
对于Claude Opus 5.5、GPT-5.5和Gemini 3.6 Flash(低推理强度),捷径差距高达+18到+37个百分点。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/18
首次发现
有效期至:2026/12/2
来源
涉及实体
相关事实
待验证在Frontier Code编程基准上,旧模型得分34.4%,Gemini 3.7 Flash提升至43.6%74% 相似待验证九次修订版执行中Gemini完成加速比中位数5.35×、Claude 3.69×、GPT-5.4为1.00×,三者均通过自动检查74% 相似待验证总额全遮时的编造比例:Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%;总额遮一半时编造比例:Claude 92%、其余三款均为100%73% 相似待验证Opus 5.5在token效率上不如Opus 5:Opus 5的max档每任务用73k token,Fable用78k,Opus 5.5的max档接近12万token,而GPT-6 Astra只需27k73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1182628API
curl https://kongchang.com/api/v1/knowledge/claims/1182628MCP
get_claim(id=1182628)