待验证50% 置信事实精确时间
在Diamond子集中，GPT-4o得分6.3%，通过率7.2%
1
来源数
50%
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
相关事实
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%79% 相似待验证GPT-5.6在Agent's Last Exam测试中以53.6分创下历史新高，领先Claude Opus 4.5达13.1分72% 相似待验证在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71% 相似部分验证Claude Opus 4.8在SWE-bench基准测试中得分69.2%，GPT 5.5为58.6%，Google Gemini为54.2%70% 相似待验证在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70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/48342API
curl https://kongchang.com/api/v1/knowledge/claims/48342MCP
get_claim(id=48342)