待验证50% 置信基准精确时间

TwinCheck 完整策略将 GPT-5.6 Sol 模型的任务成功率从 45.3% 提升到 58.5%，95%任务自助法置信区间为[8.2, 18.8]

1

来源数

50%

置信度

长期有效

时效性

2026/9/24

首次发现

来源

TwinCheck：用「负孪生」反事实验证修复工具智能体的错误调用

涉及实体

TwinCheckconcept GPT-5.6 Solmodel

相关事实

待验证GPT-5.6 Sol在BrowseComp浏览任务基准上达到92.2%77% 相似待验证在性能模型代码构建任务上，GPT-5.6 Sol通过率超过80%77% 相似部分验证三个 GPT-5.6 模型在长程代理微调任务上均拿满分 10 分，而 GPT-5.5 和 Opus 4.7 在该任务只能拿两三分76% 相似待验证GPT-5.6 Sol在CursorBench上取得了67.2%的得分75% 相似待验证在OpenAI内部基准中，GPT-5.6 Sol在递归自我改进（模型改进任务）上领先GPT-5.5约16分，AI基础设施优化（芯片设计流程）较5.5提升31%74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/946031

API

curl https://kongchang.com/api/v1/knowledge/claims/946031

MCP

get_claim(id=946031)