待验证50% 置信基准精确时间

在不思考条件下连最强的Claude Opus 4.8都答错了近一半的数字题

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/11

首次发现

有效期至：2027/1/9

来源

格鲁吉亚语基准测试：OpenAI与Anthropic的硬核较量

涉及实体

Claude Opus 4.8model

相关事实

待验证在 OS World 评测上，不到 12 个月前 Claude 得分不到 50%，而 Opus 4.7 已报告 78%64% 相似待验证Anthropic的Claude在一个与黎曼猜想相关的问题上，把已有记录从41.6%推进到67.2%，但并未证明黎曼猜想64% 相似待验证Claude Opus 5.5输入、输出单价下降20%62% 相似待验证该模型在Agentic编程任务上与Claude Opus级别持平，但在最难的终端类基准上落后约20分61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999205

API

curl https://kongchang.com/api/v1/knowledge/claims/999205

MCP

get_claim(id=999205)