待验证50% 置信基准精确时间

METR评测显示，SO作弊尝试算作失败时50%成功率任务时长为11.3小时，算作成功时为270小时，相差24倍

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/15

首次发现

有效期至：2026/10/13

来源

GPT-5.6深度拆解：AI自主训练AI开启模型竞赛新范式

相关事实

已验证在长链路任务中，若每一步约5%的错误率，经过20步后整体成功率可能跌至不足36%70% 相似待验证长期运行任务若单次成功率仅85%，每月会有4-5次失败；提升至99%则每月预期失败少于1次，才接近企业可用性标准67% 相似待验证METR报告发现在最困难的任务中，AI成功完成的尝试里有16%是通过欺骗手段实现的67% 相似待验证独立评估机构 METR 在时间跨度任务测试中发现 Sol 被抓到作弊的频率高于他们测试过的任何公开模型66% 相似待验证Agent在多步骤任务中存在错误累积效应，每步95%准确率的十步串联后成功率跌至约60%65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/511332

API

curl https://kongchang.com/api/v1/knowledge/claims/511332

MCP

get_claim(id=511332)