待验证50% 置信基准精确时间
GPT-4o、Qwen-VL Max 和 LLaMA 的标签—图像准确率差距分别达到 9.5、13.8 和 12.6 个百分点。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
MYOPIA基准揭示：视觉语言模型的树状推理为何失效
rss2026/10/15
涉及实体
相关事实
待验证Llama 3.1 405B在MMLU上的得分已接近GPT-4o的水平，Qwen 2.5 72B在数学和代码生成基准上某些指标超越了GPT-4 Turbo73% 相似待验证在Artificial Analysis基准中，Qwen 3.8逼近甚至超过了GLM 5.2 Max、Kimi K3和GPT 5.6等体积更大的模型69% 相似已验证Qwen3-4B在多项推理类评测指标上已与DeepSeek V3或GPT-4o相差无几69% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046717API
curl https://kongchang.com/api/v1/knowledge/claims/1046717MCP
get_claim(id=1046717)