待验证50% 置信基准精确时间

据公开评测现有桌面Agent在复杂工作流中的成功率普遍低于50%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/20

首次发现

有效期至：2026/10/18

来源

OpenAI五连发：Sol模型、桌面代理与实时翻译全解析

相关事实

待验证即便是GPT-4级别的Agent，面对含有5步以上工具调用的复杂任务时，端到端成功率往往低于60%69% 相似待验证一个连续调用5个API的任务，即使每步成功率为95%，整体成功率也会降至约77%68% 相似待验证当链路节点超过5个时，Agent系统整体成功率往往不足60%68% 相似已验证目前顶尖模型在SWE-bench Verified子集上的解决率已突破50%68% 相似待验证推测解码中当草稿通过率低于50%时，实际加速效果会大打折扣甚至产生负优化68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/575454

API

curl https://kongchang.com/api/v1/knowledge/claims/575454

MCP

get_claim(id=575454)