待验证80% 置信事实时间未知

Claude Sonnet 4.6在Humanity's Last Exam（无工具）测试中从17.7%提升至33%

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 Humanity's Last Examconcept

相关事实

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%75% 相似待验证Claude Sonnet 4.6在GDPVal AA基准测试中得分超过了Opus 4.674% 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%71% 相似待验证Claude Sonnet 4.6在ARC-AGI 2测试中从13.6%提升至58.3%70% 相似待验证Claude 3.5 Sonnet在HumanEval基准测试上的得分超过90%，而2021年最初的Codex模型得分仅为28.8%70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/7411

API

curl https://kongchang.com/api/v1/knowledge/claims/7411

MCP

get_claim(id=7411)