待验证50% 置信基准精确时间
在TerminalBench 4.0上，Large 4得分41%，比三周前的预览版提升13个百分点，Mistral称其在开源模型中排第一。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/30
首次发现
有效期至：2026/11/13
来源
涉及实体
相关事实
待验证Mistral官方称Large 4追加三周训练后，Terminal Bench得分从28%升到41%。70% 相似待验证在 Qwen3-VL-4B 模型上，利用程序化生成的数据进行微调，将其在 SpaceCast-Bench 上的准确率从 34.0% 提升到 65.7%，并在六个域外基准上取得宏观平均增益。66% 相似部分验证V4.1 Flash 1017在Terminal-Bench 4.0上的得分从31.2%提升到42.3%，五周内相对提升35%。66% 相似待验证在Terminal Bench上，Fable 5.1的分数比Grok 4.7高出约20分，接近50%的提升66% 相似待验证TEMPEST比最优经典模型高出17.9个百分点，比最强三元组损失基线高出58.4个百分点66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114954API
curl https://kongchang.com/api/v1/knowledge/claims/1114954MCP
get_claim(id=1114954)