待验证50% 置信基准精确时间

最强配置在严格的任务级标准下解决了78.2%的任务，在标准级评估下通过率达到94.8%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/5

首次发现

有效期至：2027/1/3

来源

世界编辑：AI改写可执行游戏世界的新能力边界

涉及实体

IGMBenchproduct

相关事实

待验证可落地的Agent评测门槛包括任务拆解率和工具选择准确率达90%以上、闭环完成率不低于85%、错误恢复率不低于80%70% 相似待验证整场测试（含大量 Ultra 与 Max 模式任务）仅消耗约 3% 的使用额度（从 98% 降至 95%），token 效率良好70% 相似待验证管理者在判断谁该升职这类判断性任务上，完成速度提升了约75%68% 相似待验证主流AI生成API的任务成功率通常在92%-98%之间，每100个任务中有2-8个可能失败67% 相似待验证作为对比，Program-of-Thought基线整体准确率为72.0%，工具调用agent为58.7%67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975623

API

curl https://kongchang.com/api/v1/knowledge/claims/975623

MCP

get_claim(id=975623)