待验证60% 置信事实精确时间

在Diamond子集中，Claude 3.5 Sonnet得分13.4%，通过率14.5%，是所有测试模型中表现最好的

2

来源数

60%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

有效期至：2026/9/30

来源

Frontier Code Deep Dive: Code That Runs ≠ Code That Merges — A Quality Revolution in Programming Benchmarks

bilibili烟神殿副殿主2026/6/9

相关事实

待验证Claude Sonnet 4.6在GDPVal AA基准测试中得分超过了Opus 4.674% 相似已验证Claude 3.7 Sonnet在SWE-bench Verified基准测试中得分超过60%73% 相似待验证在Diamond子集中，Claude 3.0 Opus得分5.2%，Gemini 1.5 Pro得分4.7%，GPT-4o Mini得分4.6%，Kimi K2.6得分3.8%72% 相似待验证在Diamond子集中，GPT-4o得分6.3%，通过率7.2%70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/48341

API

curl https://kongchang.com/api/v1/knowledge/claims/48341

MCP

get_claim(id=48341)