待验证50% 置信基准精确时间
在内部基准CoBench上，Opus 5.5约有56%的时间能成功诊断真实研发问题，而完全替代Anthropic研究人员需要至少85%
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/4
首次发现
有效期至：2026/10/18
来源
涉及实体
相关事实
待验证根据尼尔森诺曼集团的经典研究，仅需5名具有代表性的用户即可发现约85%的可用性问题67% 相似待验证根据Anthropic数据，到2026年5月Claude已编写公司超过80%的代码；Opus 4.5在研究者选择较弱方向时有51%概率建议更好的下一步，Mythos预览版将该数字提到64%66% 相似待验证在BioMysteryBench生物信息学任务上，使用职业画像的平均解题率为46.7%，极简基线达到56.7%，差距为-10.0个百分点（95%区间[-16.7, -3.3]）66% 相似待验证86%的准确率意味着仍存在14%的误差空间，Articos更适合作为早期验证和方向性判断手段，而非替代真实用户测试65% 相似待验证根据二项分布性质，要以95%的置信度检测到5%的失败率，至少需要约60次独立运行65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/972611API
curl https://kongchang.com/api/v1/knowledge/claims/972611MCP
get_claim(id=972611)