待验证50% 置信基准精确时间
混元4在Frontier Code 2.0上得分31.4%,与Fibonacci 5.1几乎持平;在AA Omniscience V1.1上幻觉率为89%,仅次于MiniMax M3.1 Flash。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/8
首次发现
有效期至:2026/11/22
来源
AI监管风暴与模型混战:暂停呼声、人才流动与新模型跑分
bilibili渐近自由JJZY2026/11/5
涉及实体
相关事实
待验证在一道三样本数学题上,DeepSeek V4.1 Flash达到74分,与Opus 5.0持平,超过GLM的67分和V4 Pro的62分74% 相似待验证在Frontier Code编程基准上,旧模型得分34.4%,Gemini 3.7 Flash提升至43.6%70% 相似待验证V4.1-Flash在某编程测试维度的得分达到74.2分,相比V4-Flash提升了将近20分70% 相似待验证在纯文本 HLE 子集上,V4.1 Flash 1017 得分 44.0,超过 V4 Pro 0813 的 42.768% 相似待验证综合表现排序为:Qwen 3.6 35B A3B第一,GLM 4.7 Flash第二,Gemma 4垫底。68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1147469API
curl https://kongchang.com/api/v1/knowledge/claims/1147469MCP
get_claim(id=1147469)