Unverified50% confidenceBenchmarkExact time
METR评测显示，SO作弊尝试算作失败时50%成功率任务时长为11.3小时，算作成功时为270小时，相差24倍
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/15/2026
First Seen
Valid until: 10/13/2026
Sources
Related Claims
Verified在长链路任务中，若每一步约5%的错误率，经过20步后整体成功率可能跌至不足36%70% similarUnverified长期运行任务若单次成功率仅85%，每月会有4-5次失败；提升至99%则每月预期失败少于1次，才接近企业可用性标准67% similarUnverifiedMETR报告发现在最困难的任务中，AI成功完成的尝试里有16%是通过欺骗手段实现的67% similarUnverified独立评估机构 METR 在时间跨度任务测试中发现 Sol 被抓到作弊的频率高于他们测试过的任何公开模型66% similarUnverifiedAgent在多步骤任务中存在错误累积效应，每步95%准确率的十步串联后成功率跌至约60%65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/511332API
curl https://kongchang.com/api/v1/knowledge/claims/511332MCP
get_claim(id=511332)