已过期80% 置信事实时间未知
Supabase团队在4个模型（Claude Code/Opus 4.6、Sonnet 4.6、GPT 5.4、GPT 5.4 Mini）上进行了6个场景的对比测试，Skill+MCP组合在每个模型上都优于其他条件
1
来源数
80%
置信度
中期 (~90 天)
时效性
2026/6/3
首次发现
有效期至：2026/9/1(已过期)
来源
Supabase实测：MCP+Skills如何让AI代理安全操作数据库
bilibili量子菠萝_
涉及实体
相关事实
待验证GPT-5、Grok 4等模型在基准测试（如HumanEval、SWE-bench）上表现优异，但这些测试通常是单次代码生成，与需要多轮工具调用的真实工程任务存在显著差距77% 相似待验证The four models tested in the AI coding comparison were ChatGPT 5.4, Gemini 3.1, DeepSeek V4 Pro, and Kimi 5.176% 相似待验证The study tested AI coding performance across models including Sonnet 4.5, GPT 5.2, GPT 5.1 Mini, and Qwen 375% 相似待验证在SaaS落地页生成测试中，四个模型（Claude Haiku 4.5、Claude Sonnet 4.0、Gemini 2.5 Pro、GPT-5）全部成功完成任务，但Haiku 4.5生成速度最快73% 相似已验证GPT-4、Claude 3.5 Sonnet、Gemini 1.5 Pro等新一代大语言模型在HumanEval、SWE-bench等代码能力基准测试上的得分已大幅超越此前版本72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/39572API
curl https://kongchang.com/api/v1/knowledge/claims/39572MCP
get_claim(id=39572)