待验证80% 置信事实时间未知

Claude Sonnet 4.6在智能体工具使用测试中从43.8%提升至61.3%

1

来源数

80%

置信度

中期 (~90 天)

时效性

2026/5/31

首次发现

有效期至：2026/8/29

来源

Claude Sonnet 4.6全面评测：性能逼近Opus的知识工作AI新标杆

bilibili英文白斑马

涉及实体

Claude Sonnet 4.6model

相关事实

待验证Claude Sonnet 4.6在智能体终端编码基准测试中从51%提升至59%86% 相似待验证Claude Sonnet 4.6在OS World（智能体计算机使用）测试中从61.4%提升至72.5%86% 相似待验证Claude Sonnet 4.6在ARC-AGI 2测试中从13.6%提升至58.3%80% 相似待验证Sonnet 5 的 Intelligence Index 比 Sonnet 4.6 高出 6 分，在代理知识工作任务上超过了 Opus 4.879% 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79% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/7409

API

curl https://kongchang.com/api/v1/knowledge/claims/7409

MCP

get_claim(id=7409)