Unverified50% confidenceBenchmarkExact time

最早的模型在GDPVal基准上得分不到20%，远逊于人类

1

Sources

50%

Confidence

Medium-term (~90 days)

Relevance

7/9/2026

First Seen

Valid until: 10/7/2026

Sources

OpenAI评估负责人：我们一直在低估AI模型的真实能力

bilibiliGelai_AI7/8/2026

Related Claims

Unverified在SWE-bench Full版本上，多数模型的通过率仍低于20%72% similar Unverified传统推理方案的显存利用率往往只有20%-40%67% similar Unverified有研究估计量化基金内部经过回测筛选的策略中真正在实盘中持续有效的比例不足20%66% similar Unverified2024年多项研究发现，部分模型在去污染版本的评测集上得分下降幅度可达10-20个百分点65% similar Verified2024年初时，最强AI模型在SWE-Bench上的得分仅在10%-20%区间64% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/362880

API

curl https://kongchang.com/api/v1/knowledge/claims/362880

MCP

get_claim(id=362880)