待验证50% 置信基准精确时间
GPT-4o 与 Qwen 2.5 Coder 32B 在 DataBugBench 中并列第二，均为4/5，准确率80%
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Llama 3.1 405B在MMLU上的得分已接近GPT-4o的水平，Qwen 2.5 72B在数学和代码生成基准上某些指标超越了GPT-4 Turbo77% 相似待验证Qwen2.5-Coder 系列由阿里巴巴通义实验室出品，其32B参数版本在多项指标上超越了GPT-4o76% 相似待验证Glimmer智能指数35分，超越Gemma 2 27B（30分），几乎追平Qwen 2.5（36分），Qwen 2.5 72B以38分居榜首75% 相似待验证在GPT-4发布初期，主流模型在GPQA上的准确率约为35-40%，人类领域专家基准线约为65%，随机猜测为25%74% 相似已验证Qwen3-4B在多项推理类评测指标上已与DeepSeek V3或GPT-4o相差无几74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003532API
curl https://kongchang.com/api/v1/knowledge/claims/1003532MCP
get_claim(id=1003532)