待验证50% 置信基准精确时间
斯坦福大学2024年的AgentBench基准测试显示，GPT-4级别模型在需要跨系统协调的复杂任务中端到端成功率低于30%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/12
首次发现
有效期至：2026/10/10
来源
扎克伯格坦承AI进展不及预期：裁员之后的行业真相
bilibili小溪_YouTube搬运笔记本2026/7/8
相关事实
待验证以GPT-4为例，单次复杂Agent任务可能涉及5-20次LLM调用80% 相似已验证斯坦福大学曾发布研究报告，记录了GPT-4在特定任务上跨时间段的性能波动79% 相似待验证斯坦福大学2023年的研究发现GPT-4在某些任务上的表现在数月内出现了可测量的下降78% 相似待验证最新的开源模型已在特定任务上的多项基准测试中达到甚至超越GPT-4级别的表现78% 相似待验证OpenAI的API端点名称不变时底层模型权重可能被静默更新，2023年Stanford和UC Berkeley联合研究发现GPT-4在不同时期对相同prompt的表现存在显著差异，某些任务准确率从97%骤降到2%77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489815API
curl https://kongchang.com/api/v1/knowledge/claims/489815MCP
get_claim(id=489815)