待验证50% 置信基准精确时间

最早的模型在GDPVal基准上得分不到20%，远逊于人类

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/9

首次发现

有效期至：2026/10/7

来源

OpenAI评估负责人：我们一直在低估AI模型的真实能力

bilibiliGelai_AI2026/7/8

相关事实

待验证在SWE-bench Full版本上，多数模型的通过率仍低于20%72% 相似待验证传统推理方案的显存利用率往往只有20%-40%67% 相似待验证有研究估计量化基金内部经过回测筛选的策略中真正在实盘中持续有效的比例不足20%66% 相似待验证2024年多项研究发现，部分模型在去污染版本的评测集上得分下降幅度可达10-20个百分点65% 相似已验证2024年初时，最强AI模型在SWE-Bench上的得分仅在10%-20%区间64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/362880

API

curl https://kongchang.com/api/v1/knowledge/claims/362880

MCP

get_claim(id=362880)