Partially Verified80% confidenceBenchmarkExact time
三个 GPT-5.6 模型在长程代理微调任务上均拿满分 10 分，而 GPT-5.5 和 Opus 4.7 在该任务只能拿两三分
7
Sources
80%
Confidence
Medium-term (~90 days)
Relevance
7/10/2026
First Seen
Valid until: 10/8/2026
Sources
GPT-5.6三模型实测：Sol/Terra/Luna与Claude差距还有多远？
bilibili烟神殿副殿主7/9/2026
Related Claims
Unverified在数学难题上SOL和TERRA均拿到满分10分，在自适应微调任务上三款GPT-5.6模型全部满分，而此前GPT-5.5和Opus 4.7在同一任务上仅能拿到两三分85% similarUnverifiedGPT-3.5-Turbo、GPT-4、Claude等主流模型在长上下文检索任务中的性能均呈现U形分布83% similarUnverifiedGPT-5.6提供MAX模式（更长推理时间）和AUTO模式（四个Agent并行处理）两个进阶选项80% similarUnverifiedSam Altman表示由于推理能力提升，GPT-5.5每个任务实际消耗的Token数量少于GPT-5.480% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/452869API
curl https://kongchang.com/api/v1/knowledge/claims/452869MCP
get_claim(id=452869)