待验证50% 置信事实精确时间

在对Claude Sonnet 4.5的部署前评估中，模型达到了0%的错位率，但读思维链发现它清楚自己在被测试

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

AI可解释性研究前沿：打开神经网络的黑箱

相关事实

待验证Claude Sonnet 4.6在GDPVal AA基准测试中得分超过了Opus 4.674% 相似待验证测试选择Claude Sonnet 4.6而非Opus 4.7作为基准线，理由是Opus太强没有对比意义73% 相似待验证Sonnet 4.6与Opus 4.6相比，在大多数基准测试中表现几乎持平，但推理速度更快、调用成本更低73% 相似待验证Claude 3.5 Sonnet在SWE-bench软件工程基准测试上突破49%的解题率71% 相似待验证Sonnet 4.6在OS World Verified基准测试中得分72.5%71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/514834

API

curl https://kongchang.com/api/v1/knowledge/claims/514834

MCP

get_claim(id=514834)