待验证50% 置信基准精确时间

GLM-5.2、Claude-Sonnet-4.6和GPT-5等最先进模型在困难子集上的Pass@8仅达到约50-54%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

HybridDeepResearch：首个混合深度研究基准揭示AI智能体跨模态整合瓶颈

涉及实体

GLM-5.2model Claude-Sonnet-4.6model GPT-5model HybridDeepResearchproduct

相关事实

待验证早期GPT-3的HumanEval Pass@1不足10%，而GPT-4o、Claude 3.5 Sonnet等顶尖模型已稳定超过85%72% 相似待验证GLM-5.2 在 SweepBench Pro 上以 62.1 分反超 GPT-5.570% 相似待验证据实测评价，GLM-5.2的综合表现已达到GPT-5.x和Claude系列旗舰模型的水平线70% 相似待验证早期GPT-4在SWE-bench上的解决率不足2%，而近期顶尖模型已突破50%69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893310

API

curl https://kongchang.com/api/v1/knowledge/claims/893310

MCP

get_claim(id=893310)