待验证60% 置信基准精确时间
Prime Agent 搭配 Opus 5 模型在 ARC-AGI-3 基准上取得了 95.5% 的成绩，据称超越了报告中的人类专家基线
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/8/11
首次发现
有效期至：2026/11/9
来源
Prime Agent：能自我改进底层框架的开源编程智能体
producthuntProductHunt Daily2026/8/10
相关事实
待验证Opus 5在ARC-AGI 3上的得分是次优模型的三倍70% 相似待验证GLM-5.3-Flash在Artificial Analysis综合智能指数评测中取得57分，与Claude Opus 4.8持平68% 相似待验证Claude Opus在OSWorld 1.0上能达到83.5%的准确率64% 相似待验证GLM-5.3-Flash 在 Toolathlon Verified 得78.4分，OfficeQA Pro 得62.4分，均领先 Claude Opus 4.8。63% 相似待验证在 Automation Bench 中档推理强度下 GPT-6.1 Sol 得分 35.4%，比 Opus 5.5 高 2.2 个百分点，成本为其三分之一62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/732489API
curl https://kongchang.com/api/v1/knowledge/claims/732489MCP
get_claim(id=732489)