待验证50% 置信基准精确时间
Nautilus自己的编码工具在基准测试中得分26.7%，基线为16.7%，提升10.0个百分点，高于预注册噪声底限δ=2.1pp，但未达到其设定的“卓越”标准。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/12
首次发现
有效期至：2026/10/26
来源
涉及实体
相关事实
待验证早期在Opus模型上测试精确字符串识别率为15分之0，而Fable 5发布后同样测试变成15分之1362% 相似待验证在DeepSeek官方对比中，使用相同检查点并以最大努力运行时，其最小框架得分72.6，而开源代码得分65.560% 相似待验证在微软内部覆盖 36 项基准、近 15 万道题目的评估中，Decision-1 以 83.5% 的平均准确率位居首位，超过 Jev 1.13.0（82.3%）、Quyet-1.0-Large（81.9%）、GPT-6 Luna Decisions（79.4%）60% 相似待验证基于尾调用的字节码分发在某些基准测试中可带来 5-15% 的性能提升60% 相似待验证checkwash 0.6.0在该语料库上自身block判定的精确率为0.67、召回率为0.22，原始计数信号单独读取为精确率0.80/召回率0.8960% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1006715API
curl https://kongchang.com/api/v1/knowledge/claims/1006715MCP
get_claim(id=1006715)