待验证50% 置信基准精确时间
gpt-oss-20b的短板是来源标注，60题里完整列全来源的只有52次
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46个模型中有41个完整跑完全部28道题，3个因服务错误未完成，GPT-5.6 Terra因配额限制止步24/28，GPT-6 Astra只跑了1道题65% 相似待验证解析缺陷加上一个错误答案键使 gpt-oss 在五个核心任务上的分数从 0.62 偏移到 1.00，偏移高达 0.3865% 相似待验证GPT-5.5因用量额度耗尽，90题里有35题未跑完，答过的55题全对，但Kaggle将未答部分算错导致其官方分数偏低63% 相似待验证在Artificial Analysis综合智能指数中，GPT-6 Sol满档48分（与Astra同档），Luna满档36分61% 相似待验证Claude Haiku 4.5在两步问题的24个错误里有21个回答'未找到'，而GPT-5.4 mini在27个错误里有20个把指引原话当答案照抄，另有7个编造了真实存在的人名并引用真文档61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003224API
curl https://kongchang.com/api/v1/knowledge/claims/1003224MCP
get_claim(id=1003224)