待验证50% 置信基准精确时间
在40道大数乘法题对比中，原版千问3.5做对22道，装有QNPUTER的版本做对39道，接真Python的做对40道；QNPUTER返回的结果均正确，错误源于千问自身如抄答案丢符号或反复调用44次未收尾。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/31
首次发现
有效期至：2027/1/29
来源
涉及实体
相关事实
待验证在路由器保留本地的 35 个提示词上，Llama 3.2 1B 的回答被判定可接受 30 次（86%，平均 4.4/5 分）；在送往云端的 23 个文本提示词上，同一模型仅 4 次可接受（17%，平均 2.0/5 分）。69% 相似待验证在13个问题上，图方案（Ratified）答对13/13；同样文本上的BM25加bge-small检索器确切命中1/10，前十名内3/10，还有三个计数问题无法打分。68% 相似待验证在难核查档注入诱饵下，GPT-5.4 mini 两种顺序都判错的题数从3升至39，Qwen3-Next 80B Instruct 从4升至38，GPT-5.4 mini 和 Qwen3-Next Instruct 的难题得分直接归零（低于随机抛硬币的约0.25）67% 相似待验证第一轮测试（23 个合成用例 × 3 次运行）中，qwen2.5:1.5b 的正确判断率只有 30%，qwen2.5:7b 只有 46%，两者均不及格；qwen2.5:7b 有 14% 的情况错误地判断为“已覆盖”。67% 相似待验证Claude Haiku 4.5在两步问题的24个错误里有21个回答'未找到'，而GPT-5.4 mini在27个错误里有20个把指引原话当答案照抄，另有7个编造了真实存在的人名并引用真文档67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1121153API
curl https://kongchang.com/api/v1/knowledge/claims/1121153MCP
get_claim(id=1121153)