待验证50% 置信基准精确时间
在 Exa 自跑的八项基准测试中，Exa 3.0 均领先于 Perplexity、Brave 和 Parallel，其中 BrowseComp 上的差距最大，达到 91.8%。
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
Devin 提交 Cognition 89% 代码，公司年化收入达 10 亿美元
youtubeNerra Network2026/10/20
涉及实体
相关事实
待验证DeepSeek V4.1号称SWE拿到74，但博主发现那是多次测试中挑出的最好成绩，open code实测65、PI实测6656% 相似待验证智能路由方案通过 9/12（75%），Opus 通过 11/12（92%）；三个失手中有两个单元测试和一个 QA 任务被路由给 Claude Haiku 5.5，回答超出 8000 token 上限56% 相似待验证在编码测试中，Opus 5.5的中等推理档表现最强，高档和超高档会出现掉分55% 相似待验证在AID基准测试中，o1 high（对应o1 pro）的编程能力得分超过60，优于o3-mini-high，但两者非常接近55% 相似待验证EmsyAI使用FP16混合精度训练了15000步，验证困惑度收敛到5.8654% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074810API
curl https://kongchang.com/api/v1/knowledge/claims/1074810MCP
get_claim(id=1074810)