待验证50% 置信基准精确时间

当前顶级AI模型在SWE-bench上的解决率仍远低于竞赛成绩所暗示的水平

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

AI碾压人类！AtCoder全球总决赛算法赛5题全解

redditr/singularity2026/7/9

相关事实

待验证当前顶尖AI模型在CTF基准上的得分仍远低于人类专家水平，尤其是涉及动态调试和二进制分析的题目类别77% 相似待验证研究者表示这个结果大大缩短了他们对AI实现数学突破的时间线预期72% 相似待验证某些AI能力在模型规模低于特定阈值时几乎为零，跨越阈值后急剧提升，呈现非线性的'相变'特征69% 相似待验证OpenAI的图表显示，在较低的测试时计算量下，模型对这道题的成功率接近零，只有在极长的推理链条下才偶尔成功69% 相似待验证大模型的性能提升已经明显放缓，最近新版本的评分甚至不一定超越之前的模型，能力基本已定型69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/490834

API

curl https://kongchang.com/api/v1/knowledge/claims/490834

MCP

get_claim(id=490834)