待验证50% 置信事实精确时间
HivePlane v0.2.0 的现场测试报告显示 36/36 通过。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/13
首次发现
有效期至：2026/10/27
来源
涉及实体
相关事实
待验证Reddit社区的大规模基准测试基于BeeLlama.cpp v0.4.0，在Qwen 3.6 27B和Gemma 4 31B两款模型上累计跑了413组配置对比，其中Qwen模型238组、Gemma模型175组60% 相似待验证阿里云Qwen2.5-Coder-32B在2024年底的评测中，在HumanEval、MBPP等主流代码基准上超越GPT-4o58% 相似待验证Qwen2.5-Coder 系列由阿里巴巴通义实验室出品，其32B参数版本在多项指标上超越了GPT-4o57% 相似待验证Qwen2.5-72B 在多项基准测试中接近 Llama-3.1-405B 的表现57% 相似待验证独立测试显示Mistral Large 4在CyberGym E2E端到端测试中成功率达81.7%，是18个测试模型中最高56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1013848API
curl https://kongchang.com/api/v1/knowledge/claims/1013848MCP
get_claim(id=1013848)