待验证50% 置信基准精确时间

在SWE-bench Pro基准上，千问3.8 27B模型的分数超过了Claude Opus

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/8/18

首次发现

有效期至：2026/11/16

来源

千问3.8 27B实测：一张显卡跑长程编程Agent

相关事实

待验证Claude Opus 4.8 的 Max 模式额度消耗极高，测试者仅问一句'你是什么模型'就消耗了 2% 的月度额度71% 相似待验证Claude Opus 4.6在SWE-Bench Pro测试中得分为53.4%70% 相似待验证千问3.6在多回合智能体增强能力等维度上接近甚至部分指标高于Claude 4.5 Opus68% 相似待验证Claude Opus 4.7在Rakuten SWE Bench上生产任务完成量是Opus 4.6的三倍67% 相似待验证Claude Opus 4.7中间检查点通过率达57%，最终准确率却只有39.8%66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/768403

API

curl https://kongchang.com/api/v1/knowledge/claims/768403

MCP

get_claim(id=768403)