待验证50% 置信基准精确时间
在SimpleQA基准测试中，o4-mini只拒答1%的问题，错误率为75%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/18
首次发现
有效期至：2027/1/16
来源
涉及实体
相关事实
待验证o4-mini与gpt-5-thinking-mini在SimpleQA上的准确率几乎相同，但后者错误数量比前者少大约三倍。74% 相似待验证在SimpleQA基准测试中，gpt-5-thinking-mini拒答52%的问题，错误率为26%。74% 相似待验证Qwen Next在测试中仅得6/108（5.56%），因格式可靠性问题（17次invalid_json响应，只有6个条目可评分）而非理解能力不足72% 相似待验证Mistral Small 4在单位换算输入上的得分仅为0.699，并产生了265个与正确标签相差精确十的幂次的错误66% 相似待验证编程博主Theo测试后指出，Gemini 4对其代码库的判断一半以上是错误的，在7个测试模型中唯一错误超过半数。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1063181API
curl https://kongchang.com/api/v1/knowledge/claims/1063181MCP
get_claim(id=1063181)