待验证50% 置信基准精确时间
在最高档代码攻坚环节,Astra落后Claude Fable 5.2 3.4个百分点,指标从49%掉回45.4%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/19
首次发现
有效期至:2026/12/3
来源
涉及实体
相关事实
待验证公开提交中仅包含了部分Astra结果,最终得分为0.446 Q,完整任务成功率为27.3%。70% 相似待验证在前沿编程测试 Frontier Code 2.0 上,Fable 5.2 得分 9.1%,Opus 4.5 得分 45.5,GPT-6 Astra 得分 42.8,Carbon 得分 41.1。70% 相似待验证Fable 5.2在远程劳动指数(Remark benchmark)上达到41%的自动化率,而一年前Opus 4.5仅约3.8%,GPT-6 Astra在9月达到约21%。70% 相似待验证在 NL2RepoBench 基准上,QwenGyre 用 48 步把成绩从 52.5% 提升到 58.5%,端到端训练时间相比 Async 方案缩短约 44%。68% 相似待验证在超高推理强度下 GPT-6.1 Sol 事实错误率为 4.1%,低于上一代的 4.5%,接近 Astra 的 4.0%67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1186181API
curl https://kongchang.com/api/v1/knowledge/claims/1186181MCP
get_claim(id=1186181)