待验证50% 置信基准精确时间
AntAngelMed 在 MedBench v4 基准测试中总榜第一，在 5 个维度上领跑。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/14
首次发现
有效期至：2026/10/28
来源
涉及实体
相关事实
待验证在RareBench上，Gemini 4 Argon以57%的辅助诊断率位居榜首，LabBench湿实验室推理得分52.2%。63% 相似待验证独立测试显示Mistral Large 4在CyberGym E2E端到端测试中成功率达81.7%，是18个测试模型中最高62% 相似待验证Anthropic官方称Opus 5.5为迄今为止其测试过的性能最强的模型59% 相似待验证在Anthropic官方六项测试中，Opus 5.5赢了四项，包括Terminal Bench（66.4对57.9）、Humanity's Last Exam（67.7对57.2）和GDPVal（1846对1542）59% 相似待验证智谱GLM-4系列在HumanEval、MBPP等代码基准测试中达到国际第一梯队水平59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1032156API
curl https://kongchang.com/api/v1/knowledge/claims/1032156MCP
get_claim(id=1032156)