待验证50% 置信事件精确时间
在Unreal Engine程序化3D游戏任务中，模型运行16轮，批评智能体最高给出5.5分（满分10分），未达到8.5分的3A标准，消耗约3.75亿token，缓存命中率99.5%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/23
首次发现
有效期至：2026/11/6
来源
DeepSeek新模型+推理引擎实测：开源AI逼近前沿
bilibili黑纹白斑马2026/10/23
涉及实体
相关事实
待验证在 3D 跑酷游戏任务中，千问3.5 9B 生成的结果出现明显逻辑缺陷（角色无论如何都能跑过障碍），而 Gemma 4 的效果完整可用。65% 相似待验证在Aider Polyglot编码测试中，DeepSeek全精度得71.6%，Unsloth 4-bit动态版得69.7%，2-bit版得65.8%，而同为2-bit同文件大小的竞品量化方案只得56.6%63% 相似待验证引入 3B 小验证者时，ProVe 达到平均 2.7 倍吞吐量，但六任务平均准确率比 AR 低 2.6 个百分点。63% 相似待验证在模拟器任务（纯Rust实现Game Boy、DS及3DS模拟器）中，Argon得5.2分，Opus 5.5得3.7分，Sol和Extra均得2.2分。63% 相似待验证在模型对比测试中qwen2.5:3b正确理解配速，幻觉地名0个，长度误差0.3%，峰值内存259MB，耗时106秒61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1090413API
curl https://kongchang.com/api/v1/knowledge/claims/1090413MCP
get_claim(id=1090413)