待验证80% 置信事实时间未知
Claude Sonnet 4.6在ARC-AGI 2测试中从13.6%提升至58.3%
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
相关事实
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%81% 相似待验证Claude Sonnet 4.6在智能体工具使用测试中从43.8%提升至61.3%80% 相似待验证Claude Sonnet 4.6在GDPVal AA基准测试中得分超过了Opus 4.677% 相似已验证Claude 3.7 Sonnet在SWE-bench Verified基准测试中得分超过60%75% 相似已验证Claude Sonnet 5 在 SWE-bench Verified（Agentic Coding）上得分 63.22%，距 Opus 4.8 约差 6 个百分点73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/7410API
curl https://kongchang.com/api/v1/knowledge/claims/7410MCP
get_claim(id=7410)