待验证50% 置信基准精确时间
在SimpleQA基准测试中，gpt-5-thinking-mini拒答52%的问题，错误率为26%。
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
待验证在SimpleQA基准测试中，o4-mini只拒答1%的问题，错误率为75%。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73% 相似待验证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。73% 相似待验证GPT-5.5因用量额度耗尽，90题里有35题未跑完，答过的55题全对，但Kaggle将未答部分算错导致其官方分数偏低72% 相似待验证Claude Haiku 4.5在两步问题的24个错误里有21个回答'未找到'，而GPT-5.4 mini在27个错误里有20个把指引原话当答案照抄，另有7个编造了真实存在的人名并引用真文档70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1063183API
curl https://kongchang.com/api/v1/knowledge/claims/1063183MCP
get_claim(id=1063183)