已过期60% 置信基准精确时间

GPT-5.6在Agent's Last Exam测试中以53.6分创下历史新高，领先Claude Opus 4.5达13.1分

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/7/13

首次发现

有效期至：2026/10/11(已过期)

来源

GPT-5.6发布：三款模型对标Claude，ChatGPT Work超级应用全解析

bilibiliAI-seeker2026/7/9

相关事实

已验证在Agents' Last Exam评测中，GPT-5.6 Sol取得53.6分，比采用自适应推理的Claude Fable 5高出13.1分82% 相似待验证在长周期智能体工作流测试（Engines Last Exam）中，GPT-5.6 Sol 得分 53.6，比 Faber-5 高出 13.1 分81% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/501552

API

curl https://kongchang.com/api/v1/knowledge/claims/501552

MCP

get_claim(id=501552)