待验证50% 置信事实精确时间
Meta模型卡脚注说明：分数选择方式为优先使用可比的第三方结果，否则使用内部验证运行、自报分数或官方排行榜分数中的最高值；竞品运行是尽力而为，未针对专有模型优化；SWE-Marathon比较涉及不同agent harness；Wonder Full在SWE-Marathon的57.5分以xhigh推理努力报告。
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Meta承认其内部运行的竞品测试'在可行处使用通用设置，但仍是尽力而为：prompt、工具和运行时可能未针对专有模型优化'。75% 相似待验证评估模型能力应结合第三方基准测试结果、真实用户长期反馈以及具体业务场景落地效果，而非仅凭版本号68% 相似待验证基准对比中竞品使用的是自适应推理（Adaptive Reasoning）模式，而非强制开启最高推理档位66% 相似待验证选择和使用不同模型档位时不能仅凭版本号判断，基于真实场景的多轮测试才是评估模型能力的可靠依据66% 相似待验证挑选最佳运行结果（cherry-picking runs）是指从同一题目的多次运行中选最高分上报，这度量的是模型的运气上限而非稳定的期望表现66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1011258API
curl https://kongchang.com/api/v1/knowledge/claims/1011258MCP
get_claim(id=1011258)