待验证50% 置信事实精确时间

Anthropic在此次发布中很多基准测试没有报告数据，而OpenAI几乎提供了所有指标

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/9

首次发现

有效期至：2026/12/8

来源

GPT-6 Astra对决Claude Fable 5.1：四项实测全面对比

涉及实体

Anthropiccompany OpenAIcompany

相关事实

待验证OpenAI曾在2022年内部测试过类似文本水印方案但最终未公开部署，部分原因是对鲁棒性不足的担忧66% 相似待验证OpenAI的系统卡承认基准测试无法覆盖所有真实使用场景下的模型行为，尤其是与其他工具结合使用时存在不确定性65% 相似待验证OpenAI规定任何达到或超过高等级的模型在未部署足够缓解措施之前不得发布62% 相似待验证评测基准面临数据污染问题，训练数据可能已包含测试题目导致分数虚高，GPT-4技术报告中OpenAI首次公开讨论了这一问题62% 相似待验证GLM-5.2官方称在部分真实测试中超越Opus，并在多项编程基准上达到开源SOTA61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/881471

API

curl https://kongchang.com/api/v1/knowledge/claims/881471

MCP

get_claim(id=881471)