待验证50% 置信基准精确时间
LangWatch的LLM作为裁判基准测试显示：OpenAI Decisions准确率75.2%、中位延迟243ms、每千次成本$1.09；TypeSafe Jev准确率63.7%、中位延迟429ms、每千次成本$0.42
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证在模型对比测试中qwen2.5:3b正确理解配速，幻觉地名0个，长度误差0.3%，峰值内存259MB，耗时106秒65% 相似待验证在Terminal Bench 4.0最高精度测试中，Fable 5.1准确率为55.8%，成本为19.50美元；Astra准确率为56.7%，成本为10.35美元62% 相似待验证Perplexity Decider V1.1 27B 以80/82 的成绩在测评中夺冠，中位延迟0.445秒，26对反转测试零翻转61% 相似待验证Artificial Analysis指出Haiku 5.5在Max模式下跑智能指数测试用了16.2万输出Token，约为GPT-6 Luna的3倍61% 相似待验证实测中Top Speed配置14分钟跑完，消耗200万tokens；Open Weights配置中的Kimi K3模型完全失败无法输出正确JSON；Frontier配置中的Opus 5规划阶段跑了13分钟60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002804API
curl https://kongchang.com/api/v1/knowledge/claims/1002804MCP
get_claim(id=1002804)