待验证60% 置信事实时间未知

顶级PhD专家在Troubleshooting Bench上的得分约为36%，GPT 5.5即时版的得分仅略低于此

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/5/31

首次发现

有效期至：2026/8/29

来源

GPT 5.5即时版深度解析：幻觉率腰斩背后的能力与安全博弈

bilibili英文白斑马

涉及实体

GPT 5.5 Instantmodel Troubleshooting Benchproduct

相关事实

待验证Terminal Bench 2.1测试中GPT-5.6 Ultra得分接近92%，Fable 5为88%，考虑误差范围基本持平75% 相似待验证Fable 5在SWE Bench Pro编程测试上得分80.3分，而OpenAI的GPT 5.5仅为58.6分69% 相似待验证GLM 5.2在Post Train Bench测试中得分34.3分，领先GPT的28.4分，但落后于Opus的37.2分69% 相似待验证在Agent's Last Exam基准测试中，GPT-5.6 Soul（extra high档）得分近54%，Fable（max档）为45%69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/3401

API

curl https://kongchang.com/api/v1/knowledge/claims/3401

MCP

get_claim(id=3401)