待验证50% 置信基准精确时间

当前顶级商用模型在GAIA Level 3上的得分通常不超过10%

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

Rust AI Agent实战：GAIA基准测试揭示大模型能力天花板

bilibili软件工艺师2026/7/10

相关事实

待验证2023年人类在GAIA测试中的平均成功率约为90%，而当时最强的GPT-4在Level 1上仅勉强达到15%68% 相似待验证GLA含量比例约9%，属于行业常规水平，低于部分标注10%以上GLA的竞品，追求高GLA浓度的用户需对比选择67% 相似待验证GAIA题目对人类来说相对简单，人类平均正确率约92%，但对顶级AI模型极具挑战性64% 相似待验证在ARC-AGI-3基准上，GPT-5.6 Sol得分8%，其他模型普遍不足2%，Anthropic因成本过高未运行Fable63% 相似待验证据行业估计，第三方意图数据的真阳性率通常仅在15%-30%之间62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/491954

API

curl https://kongchang.com/api/v1/knowledge/claims/491954

MCP

get_claim(id=491954)