待验证50% 置信事实精确时间
官方指南描述的评测方式是轻量级性能测试，核心关注端点的响应表现而非模型效果，可测指标包括单次请求延迟、批量请求下的吞吐，以及端点能否稳定返回结果。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
待验证性能测试属于非功能性测试，通常需在SLA中预先定义响应时间和吞吐量等性能阈值作为判断基准77% 相似待验证评测重心正从模型输出文本的质量转向Agent完成端到端任务的能力，评测维度从单一准确率扩展为包含任务完成率、步骤效率、错误恢复能力、时间开销等多维指标77% 相似待验证评估性能声明应关注测试透明度、可复现性、端到端指标（如 P50/P99 延迟、首 token 时间）和成本对照74% 相似待验证评估官方性能声明时应关注对比的基准版本、使用的评估子集以及专用模型是否经过同等规模的微调74% 相似待验证该基准测试的每个响应包含两部分：<think>块记录模型声明的推理过程，<final>块指定其意图执行的动作；一个裁判模型首先评估最终动作，给出SHORTCUT、HONEST_FAIL、LEGIT_ESCALATION等标签，推理轨迹作为支持性证据而非判断的唯一依据。74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1027685API
curl https://kongchang.com/api/v1/knowledge/claims/1027685MCP
get_claim(id=1027685)