待验证50% 置信事实精确时间

Nathan Benaich的实验显示，在人类评判的研究路径分叉实验里，Anthropic旧模型约有10%的时候能赢，而Mythos级别的模型胜率约为60%。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/16

首次发现

有效期至：2027/1/14

来源

Claude主导Anthropic 26%研发：Meta开源816B模型，Gemini 4 Argon回归

涉及实体

Nathan Benaichperson Anthropiccompany Mythosmodel

相关事实

待验证论文报告称混合推理智能体在多个测试集上准确率比常规模型高出约10个百分点67% 相似待验证即使表现最好的模型与人类仍有近10个百分点的差距67% 相似待验证作者经验：推理模型通常只在12%的任务上胜出，在其余88%的经济账上落败。66% 相似待验证在最强的模型上实验各组差异落在置信区间之内，研究者将结果表述为方向性模式和健全性属性而非被证明的性能下限65% 相似待验证研究数据表明，在数学竞赛级别问题上，启用深度推理的模型准确率可从不足30%提升至80%以上65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1049350

API

curl https://kongchang.com/api/v1/knowledge/claims/1049350

MCP

get_claim(id=1049350)