待验证50% 置信事实精确时间
Exa 官方宣称 3.0 版本在 8 项基准测试中领先 Perplexity、Brave 和 Parallel。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/20
首次发现
有效期至：2026/11/3
来源
涉及实体
相关事实
待验证该测试由安全公司Irregular主导执行，该公司此前也参与过OpenAI、Anthropic和Meta披露的类似测试61% 相似待验证Anthropic称在其最全面的对齐测试中，Opus 5.5是迄今测试过的表现最强的模型58% 相似待验证Evals与传统软件集成测试的区别在于LLM输出具有概率性，需用黄金问题集加预期行为判定替代精确字符串断言57% 相似待验证下一步计划包括加入前沿 API 基线、在更大保留集上验证曲线，并将发现应用于下一代 ORCH 模型；代码库已开源，7 项测试全部通过。57% 相似待验证Ember-1由Fairworks Research基于K3做后训练，在编码流量线上A/B测试中成功率相同的情况下比K3少用71%的推理Token、39%的总Token57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074400API
curl https://kongchang.com/api/v1/knowledge/claims/1074400MCP
get_claim(id=1074400)