待验证50% 置信基准精确时间
GSM8K 数学推理测试中，Qwen3-4B 得分为 0.915，Gemma 4 E2B 为 0.911，差异 +0.4 个百分点且置信区间跨零，是唯一与 Gemma 同级别的模型。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证Qwen2.5-1.5B 在 GSM8K 上得 0.729，比 Gemma 4 E2B 低 18.2 个百分点；Qwen3-0.6B 得 0.599，低 31.2 个百分点；SmolLM2-1.7B 得 0.461，低 45.0 个百分点。79% 相似待验证在 BFCL 工具调用测试中，SmolLM3-3B 得分 0.945，略高于 Gemma 4 E2B 的 0.927，但差异不显著；Qwen3-4B（0.940）、Qwen3-1.7B（0.935）、Qwen2.5-1.5B（0.910）、Granite 3.3 2B（0.920）均与 Gemma 处于同一水平。78% 相似待验证在数学推理任务GSM8K上，OQ4E做对954题（95.4%），8bit只做对924题（92.4%），4bit版本反而高出3个百分点72% 相似待验证来自Google QAT检查点的int4构建在Gemma 4 E2B上精度仅比bf16低不到0.5个点（0.678 vs 0.683），而从bf16直接round出的int8构建掉了1.3个点。72% 相似待验证测试中三个模型qwen2.5:3b、qwen2.5:1.5b、llama3.2:1b都把模型内存控制在0.5GB以下，且幻觉地名均为071% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1014579API
curl https://kongchang.com/api/v1/knowledge/claims/1014579MCP
get_claim(id=1014579)