部分验证80% 置信基准精确时间

三个 GPT-5.6 模型在长程代理微调任务上均拿满分 10 分，而 GPT-5.5 和 Opus 4.7 在该任务只能拿两三分

7

来源数

80%

置信度

中期 (~90 天)

时效性

2026/7/10

首次发现

有效期至：2026/10/8

来源

GPT-5.6三模型实测：Sol/Terra/Luna与Claude差距还有多远？

bilibili烟神殿副殿主2026/7/9

相关事实

待验证在数学难题上SOL和TERRA均拿到满分10分，在自适应微调任务上三款GPT-5.6模型全部满分，而此前GPT-5.5和Opus 4.7在同一任务上仅能拿到两三分85% 相似待验证GPT-3.5-Turbo、GPT-4、Claude等主流模型在长上下文检索任务中的性能均呈现U形分布83% 相似待验证GPT-5.6提供MAX模式（更长推理时间）和AUTO模式（四个Agent并行处理）两个进阶选项80% 相似待验证Sam Altman表示由于推理能力提升，GPT-5.5每个任务实际消耗的Token数量少于GPT-5.480% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/452869

API

curl https://kongchang.com/api/v1/knowledge/claims/452869

MCP

get_claim(id=452869)