待验证50% 置信基准精确时间

13道视觉题的核心榜上，GPT-6 Astra排名第一，得分63分；Gemini 3.8 Flash垫底。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/24

首次发现

有效期至：2026/11/7

来源

AI认得出大笑奶龙吗？实测11个模型的奶蛙Bench

bilibili伍斯特饿2026/10/23

涉及实体

GPT-6 Astramodel Gemini 3.8 Flashmodel

相关事实

待验证在 Frontier SWE 基准测试中，GPT-6 Astra 得分为 65.5，领先 Gemini 4 Argon 的 55。78% 相似待验证在 Arena 文本榜上 Gemini 4 Argon 排名第一，但在真实网站投票的 WebDev 榜上排名第九，Claude Opus 5.5 第一，GPT-6 Astra 第二。74% 相似待验证Gemini 4的幻觉率为15%，而GPT-6 Astra的幻觉率为51%。72% 相似已验证Gemini 4 Argon 在 Artificial Analysis 智能指数上与 GPT-6 Astra 打成平手。71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1092317

API

curl https://kongchang.com/api/v1/knowledge/claims/1092317

MCP

get_claim(id=1092317)