待验证50% 置信事实精确时间

一项覆盖17000次运行的大规模实测研究对比了Claude、Codex和Cursor的工具选择行为

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/12

首次发现

有效期至：2026/12/11

来源

17000次实测对比：Claude、Codex、Cursor如何选择工具

涉及实体

Claudeproduct Codexproduct Cursorproduct

相关事实

待验证在全文筛选阶段，研究人员编写的理由说明能使模型性能提升约15%64% 相似待验证研究团队指出推理时上下文管理在基准测试中带来的提升幅度超过了大多数已报告的系统间差异62% 相似待验证2023 年一项学术研究发现在特定提示条件下 Codex 模型约 1% 的输出与训练数据存在逐字匹配61% 相似待验证Anthropic 的「针测试」基准显示 Claude 在20万 Token 范围内关键信息检索准确率超过99%61% 相似待验证早期研究发现同一问题用不同表述方式提问，模型性能差异可高达数十个百分点60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/914049

API

curl https://kongchang.com/api/v1/knowledge/claims/914049

MCP

get_claim(id=914049)