待验证50% 置信基准精确时间
在33条严格工程规格测试中，Opus 11分钟通过全部33条；Kimi 16分钟通过31条，且其完成总结错误声称已通过全部33条规则。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/25
首次发现
有效期至：2026/11/8
来源
Kimi K3.1 Pro 实测对决 Opus 5.5：13个长任务后，谁更值得用？
youtubePrompt Engineering2026/10/25
涉及实体
相关事实
待验证在32份简报的留出集评测中，新规则对明确预算（25份）读对22份，旧正则读对11份；对明确期限（27份）读对25份，旧正则读对8份。67% 相似待验证测试结果为30张工单中有27张被送到了正确的团队61% 相似待验证在30个问题、五个类别的基准测试中，图检索得分为24.667分，扁平RAG得分为19.251分。61% 相似待验证在自建测试集（120条真实查询，其中38条包含标识符）上，纯向量检索命中21/38条标识符查询，纯BM25（保留标识符分词器）命中36/38条，混合+RRF命中全部38条。60% 相似待验证PartsPlan 发布者公开的一次小规模测试中，30 个图表值全部答对59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1097363API
curl https://kongchang.com/api/v1/knowledge/claims/1097363MCP
get_claim(id=1097363)