待验证50% 置信基准精确时间
gpt-5.4-mini 的逻辑推理修复使得每个正确答案的成本上升了8.5倍。
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
待验证在算术对照组任务上，所有模型准确率不变但每个正确答案的成本上升了1.65到2.5倍。74% 相似待验证在12个模型×任务组合中，只有 gpt-5.4-mini 在逻辑推理任务上出现统计显著的准确率提升：从15%跃升至97.5%，霍姆校正后 p=0.00056。71% 相似待验证12个模型×任务组合中有7个，high只改变了价格而准确率不变，每个正确答案的成本上升了1.5到3.4倍。68% 相似待验证自洽性在GSM8K等数学推理基准上能带来5-20个百分点的提升64% 相似待验证gpt-oss-120b 在干扰计数任务上每个正确答案花了约25倍的成本，准确率反而低了7.5个百分点（不显著）。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1007703API
curl https://kongchang.com/api/v1/knowledge/claims/1007703MCP
get_claim(id=1007703)