我们估计，GPT-5.3-Codex在推理努力为`高`（而非`超高`）的情况下，其50%时间范围约为6.5小时（95%置信区间为3小时到17小时），适用于我们的软件任务套件。OpenAI为此次评估提供了API访问权限。

我们估计 Claude Opus 4.6 在软件任务上的 50% 时间范围约为 14.5 小时（95% 置信区间为 6 小时到 98 小时）。虽然这是我们报告的最高点估计，但这个测量非常嘈杂，因为我们当前的任务套件几乎已经饱和。

我们估计，GPT-5.2在`高`（而不是`超高`）推理努力下，50%时间范围约为6.6小时（95%置信区间为3小时20分钟到17小时30分钟），在我们扩展的软件任务套件中。这是我们迄今为止报告的时间范围测量的最高估计。