待验证50% 置信事实精确时间
在 BenchLM 开源权重模型排名前九的模型中，所有模型的条件区间相互重叠，36 对区间无一例外；加入第十行后，45 对区间也全部重叠。
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
开源大模型榜首之争：两榜单数据深度审计
rss2026/10/19
涉及实体
相关事实
待验证在Terminal Bench上，某个模型在模型本身不动、只改框架的情况下，排名从三十名开外冲进前五70% 相似待验证将 BenchLM 开源前十行与 Artificial Analysis 按模型名称匹配，九个模型成功对应（dots3-note Preview 在后者数据中缺失），对这九个模型分别排名后，Kendall's tau 为 0.61，一致对 29 个，不一致对 7 个。69% 相似待验证拒绝方向在模型的中间偏后层最为显著，例如32层模型的第14-20层左右64% 相似待验证40 组结果中有 10 组被标记为样本不足无法判断；grill-me、tdd 以及 Anthropic 的 frontend-design 在两个模型上都落在这个区间。64% 相似待验证将13个类别整合为10个（合并模型主要混淆的类别），平均OA提升了8.4个百分点64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069252API
curl https://kongchang.com/api/v1/knowledge/claims/1069252MCP
get_claim(id=1069252)