待验证50% 置信基准精确时间
在 112 个短用例上，托管 Jev 和 PPLX 各得 112 分，NeoHorse 和 Clef 各得 104 分，Flash 和 Omni 各得 102 分，Jeff 2B 得 94 分，Jeff 0.8B 得 77 分，Laya Typed 得 52 分，Laya 得 46 分，Laya Multilingual 得 25 分。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/16
首次发现
有效期至：2026/10/30
来源
涉及实体
相关事实
待验证pplx-decider-v1-27b 在 11 项基准测试中取得 85.7% 的平均成绩，领先于对比对象 Jev（官方数据）61% 相似待验证在一道三样本数学题上，DeepSeek V4.1 Flash达到74分，与Opus 5.0持平，超过GLM的67分和V4 Pro的62分58% 相似待验证在360条干净文本测试中，Jev仅误判1次，gpt-5-mini误判1次，Gemini 2.5 Flash-Lite和Gemma各误判2次，gpt-oss-safeguard-20b误判4次，Llama Guard 4误判26次。57% 相似待验证在补全FP8量化函数最后一个Token的任务中，DeepSeek-V4-Flash-Base在代码前加等号装饰后，当等号数量除以4余数为0或1时错误率高达71.3%，余数为2或3时正确率回到91.5%。57% 相似待验证在基于伯克利BFCL V4榜单构建的Underdog Bench 120项函数调用测试中，Saluki 27B拿到88分，反超全尺寸原版的84分56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1048445API
curl https://kongchang.com/api/v1/knowledge/claims/1048445MCP
get_claim(id=1048445)