待验证60% 置信基准精确时间

在SWE Bench Pro编程基准测试中，Sonnet 5取得63.2%，Opus 4.8取得69.2%

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/7/19

首次发现

有效期至：2026/10/17

来源

Anthropic封号真相曝光：客户端检测逻辑与多款AI模型集中发布

相关事实

已验证Sonnet 5在Terminal Bench 2.1上取得80.4%的成绩，接近Opus 4.885% 相似待验证Sonnet 4.6单独执行在SWE-Bench上得分72.1，成本$1.09；而Sonnet 4.6执行加Opus顾问得分74.8，成本$0.9681% 相似待验证在SWE-Bench Pro基准上，Sonnet 5明显落后于Opus 4.880% 相似待验证上一代Sonnet 4.5在OS World Verified基准测试中得分61.4%79% 相似待验证Sonnet 4.6在OS World Verified基准测试中得分72.5%77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/561860

API

curl https://kongchang.com/api/v1/knowledge/claims/561860

MCP

get_claim(id=561860)