待验证50% 置信事实精确时间

每个模型在每个推理努力级别下运行五次并取平均值

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

待验证在业务自动化评测中，相同单任务成本下Opus 5的通过率约为次优模型的1.5倍71% 相似待验证推理模型通过思维链或内部搜索进行多步推演，token消耗量可能是普通模型的5到20倍69% 相似待验证每步60%准确率意味着连续5步后整体成功率约为7.8%（0.6的5次方）66% 相似待验证逻辑回归中，预测概率大于0.5时分类为正例，小于0.5时分类为负例，但该0.5阈值可根据业务需求调整65% 相似待验证第五题实际不存在，考验模型的元认知能力，两个模型都未察觉只回答了四题并接受了五分制评分65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/48347

API

curl https://kongchang.com/api/v1/knowledge/claims/48347

MCP

get_claim(id=48347)