待验证50% 置信基准精确时间
早期Codex在HumanEval基准测试中以37%的准确率独立解决编程题，达到当时最高水平
1
来源数
50%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
GPT-5.6登陆Codex、语音模型迭代，AI产品密集更新
bilibiliinfinite灵感港2026/7/7
相关事实
已验证Codex在HumanEval基准测试上达到了28.8%的pass@1准确率81% 相似待验证测试者评估Codex大概能完成看板上30%的任务73% 相似待验证初版 Codex 采用约120亿参数规模，在 HumanEval 基准测试中达到 28.8% 的 pass@1 通过率72% 相似待验证向 Codex 发出'无论消耗多少额度，修复完要做真实测试，真实发请求验证API能否返回结果，反复测试直到成功'的指令后，Codex 运行了36分钟，最终自主完成了调试70% 相似待验证In recent hands-on tests, Codex has surpassed Claude Code in multiple evaluation dimensions.67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/488600API
curl https://kongchang.com/api/v1/knowledge/claims/488600MCP
get_claim(id=488600)