待验证50% 置信基准精确时间
Claude Opus 4.6产生的错误数量是GPT-5.4的30倍，每条轨迹平均2.5个错误 vs. 0.08个，差异统计显著（p < 0.0001，Cliff's δ = 0.613）
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
涉及实体
相关事实
待验证Opus 4.7每次解题的中位输出token数为60,000，而GPT 5.5仅需16,00076% 相似待验证早期GPT-4在SWE-bench的通过率仅为1.7%，Claude 3 Opus约为4.8%，直到2024年中才突破20%69% 相似待验证Claude Opus 4.8's false reporting rate dropped to 0.00, down from 0.40 for Opus 4.5 and 0.25 for Opus 4.768% 相似部分验证Claude Opus 4.8在SWE-bench基准测试中得分69.2%，GPT 5.5为58.6%，Google Gemini为54.2%68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/907730API
curl https://kongchang.com/api/v1/knowledge/claims/907730MCP
get_claim(id=907730)