待验证60% 置信基准精确时间
d1-3B 在文本任务上：SQuAD 2.0 85.3，Civil Comments 93.0，MASSIVE intent 87.3，PubMedQA 66.0，BoolQ 86.7，XNLI 85.0，PAWS-X 76.9，七项平均 82.9。
2
来源数
60%
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d1-3B 在 11 项图像基准上平均 74.1，LFM2.5-VL-3B 为 73.9；在 VL-RewardBench 上 d1-3B 得 65.0 远超 LFM2.5-VL-3B 的 50.9，但在 CV-Bench（82.1 对 87.6）、VisualWebBench（71.4 对 78.3）、POPE（88.5 对 90.1）上落后。65% 相似待验证本次发布关联的提交包括 0343bb1、2b105fa、125f493 等61% 相似待验证4-bit的LLaMA 3.1 8B在HumanEval编程测试上从67.3掉到67.161% 相似待验证官方基准数据显示新版 Qwen3 27B 智能体解码从 13.3 提升到 42.2，软件工程类任务从 49.3 提升到 79，前沿智能体任务从 10.6 提升到 2061% 相似待验证Top3配置取得准确率97.148%、加权F1 97.055%、MCC 0.9675，全面超越使用全部21个指标的Full21配置（准确率95.999%、加权F1 95.521%、MCC 0.9549）61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1005995API
curl https://kongchang.com/api/v1/knowledge/claims/1005995MCP
get_claim(id=1005995)