待验证50% 置信基准精确时间
在PR审查对比测试中，Opus发现23个有效问题（含8个nits），Muse发现16个，Sol仅发现9个。
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
待验证在EvoMap的基准测试中，子智能体实际找出373个正确答案，但主智能体合并后最终结果只保留了217个63% 相似待验证在新版24点问题（数字2、7、8、10，要求三个不同解法）测试中，DeepSeek V4.1 Flash 三个解法全部出错，均违反每个数字只能使用一次的约束62% 相似待验证在Meta模型卡列出的14项基准测试中，Muse Wonder（API版本）与Claude Opus 5.5相比，取得5胜9负。60% 相似待验证Praxa 在一个固定修订版本上的仓库内审计通过了 1,027/1,027 个单元测试和 89/89 个 Workerd 测试，对全部 363 个预期源文件进行了插桩，并满足四条覆盖率下限，但原始逐测试记录和独立复现尚不可得59% 相似待验证该研究评估了21个由NVG衍生的拓扑指标59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1017386API
curl https://kongchang.com/api/v1/knowledge/claims/1017386MCP
get_claim(id=1017386)