待验证50% 置信事实精确时间
七个代理的平均UFS从0.599到0.864不等；Gemini-3.5-Flash表现最好（0.864），GPT-5.4-mini表现最差（0.599），Sonnet-4-6的保真度为0.778。
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
Agent基准测试的"用户"是第二个模型，24.4%的成功运行违反了用户脚本
rss2026/10/15
涉及实体
相关事实
待验证Gemini 3.5 Flash支持1,048,576个输入token和65,536个最大输出token69% 相似待验证Gemini 4在VALS指数上拿到68.9%，击败Fable 5.1、GPT-6 Astra，并超过Opus 5.5几个百分点69% 相似待验证在banking77数据集1000条消息测试中，Jev正确率80%，Gemini Flash 78.5%，GPT-5.5 84.9%68% 相似待验证编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为2068% 相似待验证在命令守卫横向对比中，Jev（配解码函数）达98.4%，Gemini 3.1 Flash Lite为94.3%，GPT-5.5为92.7%，但GPT-5.5过于严格会拦截git stash、pip install等命令67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1038820API
curl https://kongchang.com/api/v1/knowledge/claims/1038820MCP
get_claim(id=1038820)