Unverified50% confidenceBenchmarkExact time
在超高推理强度下 GPT-6.1 Sol 事实错误率为 4.1%，低于上一代的 4.5%，接近 Astra 的 4.0%
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
9/30/2026
First Seen
Valid until: 12/29/2026
Sources
Related Entities
Related Claims
Unverified在Agents' Last Exam评测中，GPT-5.6 Sol取得53.6分，比采用自适应推理的Claude Fable 5高出13.1分78% similarUnverified在 GDP PDF 评测中 GPT-6.1 Sol 得 32.0%，Astra 为 32.2%，Opus 5.5 带回退机制为 28.8%77% similarUnverified该研究发现GPT-4在判断素数任务上的准确率从2023年3月的97.6%骤降至6月的2.4%76% similarUnverified在安全对齐测试中，GPT-5.6 Sol在约48%的情况下成功利用越界目标，而GPT-6 Astra在同样测试中成功利用次数为零75% similarUnverified在 Automation Bench 中档推理强度下 GPT-6.1 Sol 得分 35.4%，比 Opus 5.5 高 2.2 个百分点，成本为其三分之一75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/961319API
curl https://kongchang.com/api/v1/knowledge/claims/961319MCP
get_claim(id=961319)