待验证50% 置信事实精确时间
Darwin-180B-RSI的MMLU-Pro评测使用单次采样（temperature=1.0、top_p=0.95、top_k=20），GPQA Diamond评测在相同参数下使用最多16次采样的多数投票。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
涉及实体
相关事实
待验证Darwin-180B-RSI在MMLU-Pro和GPQA Diamond评测中均使用了131,072 tokens的思考预算。71% 相似待验证GPQA Diamond是测试研究生级别科学推理能力的基准，普通人类表现约35%，顶级闭源模型在60-75%区间68% 相似待验证GPQA Diamond榜单前五名：Darwin-180B-RSI 94.4%（180B）、Kimi-K3 93.5%（2.8T）、Darwin-397B-ZTC 93.4%（404B）、Ornith-1.5-397B 92.8%（403B）、Qwen3.8-2.4T-A95B 92.6%（2.4T）。67% 相似待验证截至2026年10月19日，Darwin-180B-RSI在AIhoster榜单的MMLU-Pro上以88.1%排名第一，在GPQA Diamond上以94.4%排名第一。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067090API
curl https://kongchang.com/api/v1/knowledge/claims/1067090MCP
get_claim(id=1067090)