知识动态实体播客深度开发者关于

[控场AI]

AI 领域实时知识。所有信息可溯源验证，数据 24 小时内持续更新。

Powered by 240+ first-hand AI sources

知识库

知识动态
热门实体
播客

开发者

CLI
MCP Server
REST API
关于

© 2026 KongchangAI. 控场AI，获取最新、最准的 AI 领域知识

待验证50% 置信事实精确时间

在Diamond子集中，GPT-4o得分6.3%，通过率7.2%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30

来源

Frontier Code Deep Dive: Code That Runs ≠ Code That Merges — A Quality Revolution in Programming Benchmarks

bilibili烟神殿副殿主2026/6/9

相关事实

待验证在Diamond子集中，Claude 3.0 Opus得分5.2%，Gemini 1.5 Pro得分4.7%，GPT-4o Mini得分4.6%，Kimi K2.6得分3.8%79% 相似待验证GPT-5.6在Agent's Last Exam测试中以53.6分创下历史新高，领先Claude Opus 4.5达13.1分72% 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71% 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%70% 相似待验证在Diamond子集中，Claude 3.5 Sonnet得分13.4%，通过率14.5%，是所有测试模型中表现最好的70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/48342

API

curl https://kongchang.com/api/v1/knowledge/claims/48342

MCP

get_claim(id=48342)