待验证50% 置信基准精确时间

早期GPT-3的HumanEval Pass@1不足10%，而GPT-4o、Claude 3.5 Sonnet等顶尖模型已稳定超过85%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/21

首次发现

有效期至：2026/10/19

来源

Vibe Coding入门：零基础用AI造软件的新方式

相关事实

待验证GPT-4和Claude 3在HumanEval代码基准测试上的pass@1通过率超过85%81% 相似已验证Claude 3.5 Sonnet在多项基准测试中与GPT-4o不相上下78% 相似部分验证三个 GPT-5.6 模型在长程代理微调任务上均拿满分 10 分，而 GPT-5.5 和 Opus 4.7 在该任务只能拿两三分75% 相似待验证主流商业模型如GPT-4o、Claude 3.5 Sonnet按输入与输出token分别计费75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/584928

API

curl https://kongchang.com/api/v1/knowledge/claims/584928

MCP

get_claim(id=584928)