待验证50% 置信基准精确时间

Exploit Gym成绩从42%提升到54.8%。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/29

首次发现

有效期至：2026/11/12

来源

Gemini 4 Carbon发布：第三方榜单登顶，但普通开发者仍无缘

bilibili雪峰庙2026/10/28

涉及实体

Gemini 4 Carbonmodel Exploit Gymconcept

相关事实

待验证Carbon 在 Exploit Gym 上得分 54.8%，排名第一。65% 相似待验证在 RoboChallenge Table30-V2 上的闭环实验中，经过三轮部署-训练循环，LoopWAM 的成功率从 23.67% 提升到 43.33%，提升 19.7 个百分点，最终得分 56.80。57% 相似待验证在 NL2RepoBench 基准上，QwenGyre 用 48 步把成绩从 52.5% 提升到 58.5%，端到端训练时间相比 Async 方案缩短约 44%。57% 相似待验证在 4 个 harness 上同时训练，Liquid AI 的 LFM2.5-2.6B 模型得分从 42% 提升到 54%52% 相似已验证在 Terminal Bench 4.0 上，Opus 5.5 得分 66.4%，Astra 为 57.9%，Fable 5.1 为 55.8%，前代 Opus 5 为 52.3%51% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1111556

API

curl https://kongchang.com/api/v1/knowledge/claims/1111556

MCP

get_claim(id=1111556)