待验证50% 置信基准精确时间
J-Comm 在 MATH500 上达到 94.80%，在 GPQA-Diamond 上达到 54.55%，在 AIME2024+2025 上达到 73.33%，在 ALFWorld 上达到 62.93% 成功率。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/26
首次发现
有效期至：2027/1/24
来源
涉及实体
相关事实
待验证标准Jev取得62.93%的平均macro-F1，而最强的LLM基线为67.28%64% 相似待验证VIDRAFT 在 GPQA Diamond 的 500B 参数以下类别中达到 93.43%62% 相似待验证Kimi-K3 在 ThinkingBox 中 pass@20 达到 93.89%（476/507），但 all-20 仅为 13.41%（68/507）62% 相似待验证Llama 3.3 70B 在一个托管商上拿到 93.4% 的分数，在另一个托管商上只有 69.5%。62% 相似待验证厂商报告数据显示，Kimi K3在GPQA Diamond得分93.5，SWE-bench Verified得分76.8；DeepSeek V4.1 Flash在Terminal-Bench 2.1报告得分90.6。62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098424API
curl https://kongchang.com/api/v1/knowledge/claims/1098424MCP
get_claim(id=1098424)