待验证50% 置信基准精确时间

2.5-24在官方公布的16项基准测试中，自动化任务跑分27.69，第二名8.72，领先约3.2倍。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/15

首次发现

有效期至：2026/10/29

来源

240亿只动24.5亿：32G笔记本本地跑AI智能体，快1.7倍还开源

涉及实体

相关事实

待验证2.5-24智能体实测跑分48.09，对比第二名的38.19。79% 相似待验证2.5-24在工具沙箱测试中得分80.71，排名第一。72% 相似待验证跑完200步后两次运行对应权重之间的最大差异达到0.23771% 相似待验证2.5-24在指令遵循的三项测试中均获得第一。70% 相似待验证Strife Technologies 旗下 trifero.ai 实验室训练的一个 360M 参数代码模型，在 HumanEval 上最初报告 26.8% 的 pass@1，在去除与基准测试重叠的指令数据后，真实数字为 22.6%。69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1035428

API

curl https://kongchang.com/api/v1/knowledge/claims/1035428

MCP

get_claim(id=1035428)