待验证50% 置信基准精确时间
在Automation Bench测试上，高档的Sol得分超过最高档的Cloud Ops 5，每道题开销仅为对手的9%
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/30
首次发现
有效期至：2026/12/29
来源
涉及实体
相关事实
待验证在 Automation Bench 中档推理强度下 GPT-6.1 Sol 得分 35.4%，比 Opus 5.5 高 2.2 个百分点，成本为其三分之一68% 相似待验证在 Automation Bench 测试中，GPT-6 Sol 的 extra high 档拿下 33% 的第一名，而 5.6 的 max effort 得分为 28.868% 相似待验证跑分排名不等于所有场景的实际表现，Terra跑分接近5.5但游戏任务中5.5完成度略高68% 相似待验证在覆盖55个专业领域长程工作流的智能体终极考试中，Sol拿到53.6分，比对标的Fable 5高出13.1分67% 相似待验证在Exploit Bench网络安全基准上，Sol得分约76%，Mythos 5约78%66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/961378API
curl https://kongchang.com/api/v1/knowledge/claims/961378MCP
get_claim(id=961378)