Unverified50% confidenceBenchmarkExact time

Claude Opus 5 在 ThinkingBox 中 pass@20 为 79.09%，all-20 达到 47.53%（241个任务稳定通过）

1

Sources

50%

Confidence

Medium-term (~90 days)

Relevance

10/9/2026

First Seen

Valid until: 1/7/2027

Sources

ThinkingBox：微软用20次重复测试重新定义AI智能体可靠性

Related Entities

Claude Opus 5model ThinkingBoxproduct

Related Claims

UnverifiedQwen3.8-27B 在 ThinkingBox 中 pass@20 为 89.35%，all-20 为 7.50%73% similar VerifiedOpus 5 在 Low Effort 下的通过率约为 60%，超过了 Opus 4.8 在 Max 级别下的 59%，后者单任务成本高达 13 美元71% similar UnverifiedClaude Opus 5.5 在 CursorBench 评测基准上以 57.8%（Max 模式）的成绩登顶70% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/991239

API

curl https://kongchang.com/api/v1/knowledge/claims/991239

MCP

get_claim(id=991239)