待验证50% 置信事实精确时间

实验使用三个中端裁判：两个本地模型（Qwen 9B/4B，经Ollama运行）和一个gpt-4o-mini，API总花费0.29美元。

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

LLM Judge偏差实测：仅用裁判置信区间，21次中18次漏掉人类真值

涉及实体

Qwen 9Bmodel Qwen 4Bmodel gpt-4o-minimodel Ollamaproduct

相关事实

待验证七个代理的用户侧每次模拟成本从0.0063到0.1841不等；Qwen3.6-35B、Gemma-31B和GPT-5.4-mini在成本-UFS平面上被标记为严格劣支配。74% 相似待验证本实验成本数据：low全部三个应用加起来不到4美元；medium约14美元；high约27美元；extra约50美元；max约82美元；UltraCode超过300美元。72% 相似待验证Artificial Analysis此前测量V4-Flash系列时发现，其每任务成本远低于竞品（在其测试框架中为3美分，而GPT-5.6 Sol为1.86美元）。71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1069902

API

curl https://kongchang.com/api/v1/knowledge/claims/1069902

MCP

get_claim(id=1069902)