待验证50% 置信决策规则精确时间
Forge 2.0 要求每个模型跑两次独立构建，按中位数排名，且榜单要求在同一比较组内比较模型；Jev Router 和 Gemini 4 Argon 属比较组 1，Claude Opus 5.5 和 GPT-6.1 Sol 属比较组 2。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/17
首次发现
有效期至：2026/10/31
来源
涉及实体
相关事实
待验证Gemini 4 Argon 与 GPT-6 Sol 在 FrontierCode 1.1 上打平且压过 GPT-6.1 Sol，说明当前头部模型在编程能力上的差距已收窄到很小范围。66% 相似待验证GPT-6.1 Sol和GPT-5.6 Luna是唯一在两个任务上都拿到0.9375的模型，即16题中对15题，且两次独立采样都做到65% 相似待验证模型卡选择的对比对象包括 GPT-6 Astra、Claude Fable 5.1 与 Claude Opus 5.5，且均在最大推理努力下评估。64% 相似待验证MUSE Spark 1.2的基准测试表现大致介于Claude Opus和GPT高端模型之间64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1052551API
curl https://kongchang.com/api/v1/knowledge/claims/1052551MCP
get_claim(id=1052551)