待验证50% 置信事实精确时间
whatmodel.sh 榜单从 1,011 个来源收集了 22,113 个基准测试结果，覆盖 987 个基准测试。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证研究者构建了名为 ALIGNMENTFORECASTBENCH 的基准测试集，覆盖超过5000个预测问题、17个目标模型、32个数据集和16种失效模式69% 相似待验证该基准包含 72 个测试用例69% 相似待验证研究团队构建了名为「矛盾基准」（Contradiction Benchmark）的测试集，包含1,164个经过设计的错误案例66% 相似待验证研究团队收集了103,939条经过评分的模型回复，覆盖十种配置：八个关闭推理功能的LLM外加其中两个开启最大推理能力的版本66% 相似待验证OpenAI发布GeneBench Pro研究基准测试，包含129个评估任务，涵盖10个主要领域和21个细分方向，前沿模型最高得分31.5%65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026875API
curl https://kongchang.com/api/v1/knowledge/claims/1026875MCP
get_claim(id=1026875)