待验证50% 置信基准精确时间

Claude Opus 5 在 ThinkingBox 中 pass@20 为 79.09%，all-20 达到 47.53%（241个任务稳定通过）

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/9

首次发现

有效期至：2027/1/7

来源

ThinkingBox：微软用20次重复测试重新定义AI智能体可靠性

涉及实体

Claude Opus 5model ThinkingBoxproduct

相关事实

待验证Qwen3.8-27B 在 ThinkingBox 中 pass@20 为 89.35%，all-20 为 7.50%73% 相似已验证Opus 5 在 Low Effort 下的通过率约为 60%，超过了 Opus 4.8 在 Max 级别下的 59%，后者单任务成本高达 13 美元71% 相似待验证Claude Opus 5.5 在 CursorBench 评测基准上以 57.8%（Max 模式）的成绩登顶70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/991239

API

curl https://kongchang.com/api/v1/knowledge/claims/991239

MCP

get_claim(id=991239)