待验证50% 置信基准精确时间
Gemini 3.7 Flash在充分性任务中对169个返回项全部回答正确，但23次调用在三次尝试后仍无结果，若计为失败则通过家族数从满分降至48中的28个
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
待验证当被单独追问总额是否可见时，Claude、Gemini 3 Flash和Flash-Lite在48张账单上全部回答总额不可见且无法计算，但直接提问时仍有21–44%的概率给出编造总额68% 相似待验证总额全遮时的编造比例：Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%；总额遮一半时编造比例：Claude 92%、其余三款均为100%67% 相似待验证在Frontier Code编程基准上，旧模型得分34.4%，Gemini 3.7 Flash提升至43.6%66% 相似待验证在285次实测运行中，Gemini取得283次语义通过、2次语义部分通过、0次可复现语义失败65% 相似待验证在EvoMap的基准测试中，子智能体实际找出373个正确答案，但主智能体合并后最终结果只保留了217个65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1003880API
curl https://kongchang.com/api/v1/knowledge/claims/1003880MCP
get_claim(id=1003880)