待验证50% 置信基准精确时间

在BrowseComp智能体搜索基准上模型得分30.8%，与GPT系列基本持平

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/8/23

首次发现

有效期至：2026/9/6

来源

实测Claude Opus 5：性价比碾压对手的AI新旗舰

涉及实体

BrowseCompconcept Claude Opus 5model

相关事实

已验证即使是GPT-4这类顶级模型，在特定领域的幻觉率仍可达到15%-30%76% 相似待验证GPT-5.6 Pro版本中有30多种模型和推理档位的组合可选74% 相似待验证在DeepSWE基准测试中，GPT 5.5以约70%的通过率高居榜首，比Opus 4.7领先超过15个百分点73% 相似待验证GPT-4 发布时在 MATH 数据集上的正确率为 42.5%71% 相似待验证评测采用 GPT-5.5 担任 LLM 评审，并以 70% 人工 + 30% 机器权重合成加权指数70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/791487

API

curl https://kongchang.com/api/v1/knowledge/claims/791487

MCP

get_claim(id=791487)