待验证50% 置信基准精确时间

在Skatebench测试中，从x-high档到max档，每题推理token从约330暴涨到近5000（超过10倍），得分只提升1%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/25

首次发现

有效期至：2026/12/24

来源

Opus 5.5深度实测：Anthropic重回编程巅峰的转折之作

涉及实体

Opus 5.5model Skatebenchconcept

相关事实

待验证XHigh 档位推理 Token 消耗可能达到 High 档位的 3-5 倍，但准确率边际提升通常仅有 5-15 个百分点69% 相似待验证消融分析显示片段范式微调在测试集带来+5.29分提升，而用2000检索词替换前4500转录词仅带来+1.55分提升69% 相似待验证Max级别相比extra high最多多消耗两倍的token，但在各类基准测试中仅带来4%至10%的性能提升68% 相似待验证在歧义点的四类行为中，'先搜再问'成功率最高，平均通过率达93.4%，远高于'直接猜'的56.5%，'搜多次再猜'为51.5%67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/948925

API

curl https://kongchang.com/api/v1/knowledge/claims/948925

MCP

get_claim(id=948925)