待验证50% 置信事实精确时间
测试使用的计费函数原始有 bug 版本仅通过 215 个测试中的 138 个，修正版本通过全部 215 个（15 个手写边界用例加 200 个随机用例）。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/19
首次发现
有效期至：2026/11/2
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
待验证该基准测试使用10篇200到250词的原创短文档，埋入18处异常，共37个评分条目（18脏19净），测试13个模型，每个模型74条prompt72% 相似待验证本次测试存在局限性：仅14个组、一个20亿参数的模型、一次运行；三个有效改写因改变法律含义在运行前被修正，修正与测试集在同一提交中；尚未在更大模型上运行该测试集。68% 相似待验证使用相同的 20 个文件重新测试，18 个直接编译通过；再经过一轮让会话接收编译器错误消息的迭代后，达到 19 个。68% 相似待验证Largha-150M-v1 的训练混合中包含一个 500 条的错误修正池，这些错误是从模型在带类型决策测试行上的预测中挖掘的，因此 0.906 是拟合读数而非零样本结果。67% 相似待验证CLM实验中从8个工具里选正确率86%，从全部1080个工具里选骤降到17%，主要错误是混淆名字相似的工具；TiFF上限只有255个选项67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067184API
curl https://kongchang.com/api/v1/knowledge/claims/1067184MCP
get_claim(id=1067184)