待验证80% 置信事实时间未知

MTP-LX 4bit版本在理财规划推理任务上经GPT-5.5 Thinking评分为55分（满分100），而同题GPT-5.5 Pro得分82分

1

来源数

80%

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

Mac本地跑Qwen3.6-27B：4种方案实测对比

bilibilikate人不错

涉及实体

MTP-LXproduct GPT-5.5 Thinkingmodel GPT-5.5 Promodel Qwen3.6-27Bmodel

相关事实

待验证顶级自回归模型如GPT-4o、Claude 3.5在GSM8K上准确率已超过95%，导致基准饱和71% 相似已验证GPT-5.4在SWE-Bench Pro测试中拿下57.7%准确率，超越了GPT-5.3-Codex的56.8%71% 相似待验证在max模式下GPT-5.6的得分反而略低于ultra，印证了过度思考现象71% 相似待验证GPT-5.6编程能力在关键基准上达到91.9%，安全评测CyberGym得分85.6%，均超越竞品Nexus 570% 相似待验证在Agents' Last Exam评测中，GPT-5.6 Sol取得53.6分，比采用自适应推理的Claude Fable 5高出13.1分70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/4337

API

curl https://kongchang.com/api/v1/knowledge/claims/4337

MCP

get_claim(id=4337)