待验证50% 置信基准精确时间

在关闭 thinking 模式下，Carbon-X 在五个 DNA 基准上平均得分 66.7%，GPT-6.1 Sol 为 67.5%。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/22

首次发现

有效期至：2026/11/5

来源

Carbon-X：14.8B开源模型同时处理DNA与文本

redditr/MachineLearning2026/10/22

涉及实体

Carbon-Xmodel GPT-6.1 Solmodel

相关事实

待验证换用Qwen模型测试结论一致，令牌方案正确率67.0%，真实数据64.8%57% 相似待验证pplx-decider-v1-27b 在 11 项基准测试中取得 85.7% 的平均成绩，领先于对比对象 Jev（官方数据）57% 相似待验证在无诱饵的难核查档，GPT-5.4 nano 只有19/40两次都答对，并有65%概率选Response A；GPT-5.4 mini 选A概率66%，Grok 4.20非推理版62%，而强裁判稳定在50%57% 相似待验证B站UP主「进化中的阿诚」用9道大题的基准测试对GPT-6 Sol进行评测，加权总分为95分56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1085724

API

curl https://kongchang.com/api/v1/knowledge/claims/1085724

MCP

get_claim(id=1085724)