[控场AI]
待验证50% 置信基准精确时间

GPT-5.5在该基准测试中以0.94总分领先，导演意见得分0.94，故事质量0.85

1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/11
首次发现
有效期至：2026/10/25

来源

大模型能当好电影剧组吗？一场创意控制力的基准测试

涉及实体

GPT-5.5model

相关事实

待验证GPT-6 Astra在Frontier Math Tier 4上峰值达到98%，在不开启推理、不使用思维链的情况下仍达到83%74% 相似待验证在UP主的KingBench 3八项测试中，GPT-6 Sol得66/80（82.5%），Opus 5.5得75/80（93.75%），Opus领先11.25个百分点73% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%72% 相似待验证在Terminal Bench 2.1基准测试上，GPT-5.6 Sol的Ultra模式接近92%，超越竞品的88%表现72% 相似待验证在SWE-Bench Pro编程评测上，Claude Fable 5以80%的成绩领先GPT-5.6 Sol的64.6%72% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/998040
API
curl https://kongchang.com/api/v1/knowledge/claims/998040
MCP
get_claim(id=998040)