待验证50% 置信事件精确时间

向 Codex 发出'无论消耗多少额度，修复完要做真实测试，真实发请求验证API能否返回结果，反复测试直到成功'的指令后，Codex 运行了36分钟，最终自主完成了调试

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30

来源

用Codex开发完整小程序：从零到上线的全流程实战

bilibili瓜皮嗯大2026/6/5

相关事实

待验证早期Codex在HumanEval基准测试中以37%的准确率独立解决编程题，达到当时最高水平70% 相似待验证测试者评估Codex大概能完成看板上30%的任务69% 相似待验证在实测中，Codex在几分钟内基本完成了分类筛选工具、标签跳转（JTAB）和深浅色模式切换三个功能64% 相似已验证Codex在HumanEval基准测试上达到了28.8%的pass@1准确率64% 相似待验证初版 Codex 采用约120亿参数规模，在 HumanEval 基准测试中达到 28.8% 的 pass@1 通过率60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/51842

API

curl https://kongchang.com/api/v1/knowledge/claims/51842

MCP

get_claim(id=51842)