待验证50% 置信观点精确时间

在终端类任务的得分在 50% 上下通常对应“能完成相当一部分任务，但在复杂多步场景下会掉链子”的水平。

1

来源数

50%

置信度

长期有效

时效性

2026/10/27

首次发现

来源

GPT-6.1 Terra：$1/$5定价与Terminal-Bench 4.0跑分解析

rss2026/10/27

涉及实体

终端类任务concept

相关事实

待验证0.610 的 WANDR 得分不意味着模型在60%的任务上完全成功，实际部分完成率与任务复杂度分布相关76% 相似待验证35%–55% 的 token 节省幅度与任务分布强相关，任务越偏向简单、重复，收益越明显。73% 相似待验证按任务难度合理匹配模型能力，仅这一步就能砍掉50%以上的Token开支73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102307

API

curl https://kongchang.com/api/v1/knowledge/claims/1102307

MCP

get_claim(id=1102307)