待验证50% 置信观点精确时间
在音乐创作测试中，模型首轮结果糟糕，第二轮旋律与市面上其他模型相似，UP主认为不如GPT-6 Astra或OPS，但达到80%到90%的水平。
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
待验证在一个编辑基准测试中，同一个 GPT 模型的得分因框架不同从 99% 跌到 70%70% 相似待验证GPT-6 Astra在ARC-AGI类测试中达到接近满分的99.9%，而普通人类测试者平均得分仅为48%68% 相似待验证在 gpt-oss-120B 上，Asch 从众实验盲测条件下从众率为 0%，而范式被明确命名时从众率升至 83.3%64% 相似待验证在专为模型设计的未知规则小游戏测试中，GPT-6拿到99分接近满分，人类最高分只有30多分，其他模型仅在40分左右63% 相似待验证在1B规模下，AsymLoop在七个常识推理基准上的平均零样本准确率从49.58%提升至50.85%（相比全循环）。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1090414API
curl https://kongchang.com/api/v1/knowledge/claims/1090414MCP
get_claim(id=1090414)