待验证50% 置信基准精确时间
Claude Opus 4.7中间检查点通过率达57%，最终准确率却只有39.8%
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
腾讯DiscoBench：评测LLM搜索代理歧义澄清能力的首个基准
bilibili熊二等兵2026/7/4
相关事实
待验证Claude Opus 4.6在SWE-Bench Pro测试中得分为53.4%78% 相似部分验证Claude Opus 4.8在SWE-bench基准测试中得分69.2%，GPT 5.5为58.6%，Google Gemini为54.2%76% 相似待验证据非官方爆料，Terminal Bench 3.0基准测试中Claude Opus 5 Max以43.5%的得分超越GPT-5.6-Sol的34.6%重登榜首73% 相似待验证Claude Opus 4.7在SWE Bench Pro上得分从53.4%提升至54.3%73% 相似待验证在同一模型（Claude 4.6 Opus）下，OCR的精度（Precision）为33.9%，通用Agent为7.23%，OCR精度提升约4.7倍72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/387224API
curl https://kongchang.com/api/v1/knowledge/claims/387224MCP
get_claim(id=387224)