已过期50% 置信基准精确时间
在双 bug 修复任务的 18 次运行(每个档位三次)中,无论 effort 档位如何,模型均完美通过全部 215 个隐藏测试,质量没有可测量的差异。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/19
首次发现
此条事实已过期,仅作历史留存,不再代表当前状态
有效期至:2026/11/2(已过期)
来源
MiniMax M3.1 Flash五档推理实测:默认档位贵7倍却毫无收益
rss2026/10/19
涉及实体
相关事实
待验证可复现测试应冻结约20个真实任务的测试集、记录硬件和运行时环境、并采用隐藏模型名称的盲评打分72% 相似待验证测评采用配对样本设计,每类缺陷有一个有缺陷版本和一个结构完全相同但没有问题的孪生版本,用来衡量模型的误报率71% 相似待验证SoloBooks AI 的测试套件运行在 Vitest 上,17 个测试全部通过,覆盖最小单位算术、文档安全、schema 校验、重复检测、发票状态流转和真实 Ollama 连通性。70% 相似待验证测试套件首次运行通过:17个闸门测试覆盖互斥、繁忙跳过、失败开放和跨进程flock场景,外加74个后备和回合生命周期回归测试。69% 相似待验证演示中 agent 先运行测试定位两条失败测试的问题,修复后重新运行,最终五条测试全部通过,并用三点总结。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067175API
curl https://kongchang.com/api/v1/knowledge/claims/1067175MCP
get_claim(id=1067175)