待验证50% 置信决策规则精确时间

厂商自报的评测成绩（如 50.3%）在没有独立复现的情况下，更适合作为相对参考而非绝对能力承诺。

1

来源数

50%

置信度

长期有效

时效性

2026/10/27

首次发现

来源

GPT-6.1 Terra：$1/$5定价与Terminal-Bench 4.0跑分解析

rss2026/10/27

涉及实体

厂商自报成绩concept

相关事实

待验证模型自评几乎总是给出高分，该分数实际测量的是自信程度而非质量，控制必须来自产出结果的循环之外。69% 相似待验证研究显示误报率超过50%时,质量工具的实际价值趋近于零69% 相似待验证重训存在取舍，在更干净的验证分布上部分极高的分数出现了轻微下降，但团队认为值得67% 相似待验证目前尚无第三方独立评测，'比同类模型更聪明、快于多数稠密模型'是团队自评结论。67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1102308

API

curl https://kongchang.com/api/v1/knowledge/claims/1102308

MCP

get_claim(id=1102308)