待验证50% 置信基准精确时间
在同一HDFS异常检测任务上，gpt-4.1-nano准确率为79%，gpt-6.1-sol（仅100样本）准确率为66%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
待验证在无诱饵的难核查档，GPT-5.4 nano 只有19/40两次都答对，并有65%概率选Response A；GPT-5.4 mini 选A概率66%，Grok 4.20非推理版62%，而强裁判稳定在50%71% 相似待验证GPT-6 Astra在256K-512K token区间的八针基准测试中准确率达到100%69% 相似待验证表现最佳的Edu-QuRater在还原留出集的GPT-4.1-mini成对判断时平均准确率达到0.91767% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%65% 相似待验证Gemma 4 31B、Gemma 4 26B-A4B、Gemini 3.7 Flash、GPT-6-sol和GLM-5在该基准测试中达到100%忠实率65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018527API
curl https://kongchang.com/api/v1/knowledge/claims/1018527MCP
get_claim(id=1018527)