已过期60% 置信基准精确时间
斯坦福大学2024年的AgentBench基准测试显示，GPT-4级别模型在需要跨系统协调的复杂任务中端到端成功率低于30%
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/12
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/10/10(已过期)
来源
扎克伯格坦承AI进展不及预期：裁员之后的行业真相
bilibili小溪_YouTube搬运笔记本2026/7/8
相关事实
已验证斯坦福大学曾发布研究报告，记录了GPT-4在特定任务上跨时间段的性能波动79% 相似已验证斯坦福大学2023年的研究发现GPT-4在某些任务上的表现在数月内出现了可测量的下降78% 相似待验证2024年研究表明GPT-4和Claude等模型在辅助工具配合下已能独立解决约30%-40%的中等难度CTF题目78% 相似待验证OpenAI的API端点名称不变时底层模型权重可能被静默更新，2023年Stanford和UC Berkeley联合研究发现GPT-4在不同时期对相同prompt的表现存在显著差异，某些任务准确率从97%骤降到2%77% 相似待验证2024年UC Berkeley的一项研究发现,在复杂多步骤任务中,GPT-4级别的模型出现工具调用幻觉的概率高达12%-18%77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489815API
curl https://kongchang.com/api/v1/knowledge/claims/489815MCP
get_claim(id=489815)