待验证50% 置信基准精确时间
在CV-Bench照片测试中,当存在可靠的2D线索误导时,三个模型(Claude Opus 5.5、GPT-5.5和Gemini 3.6 Flash)的准确率同样下降。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/18
首次发现
有效期至:2026/12/2
来源
涉及实体
相关事实
待验证在5到100个工具的区间内,三个客户端(Claude Code Opus 5.5、Codex CLI GPT-6.1-sol、Antigravity Gemini 3.1 Pro)的准确率均未下降,所有独立工具运行完全正确。74% 相似待验证当直接给定地面坐标和关系定义时,三个模型(Claude Opus 5.5、GPT-5.5和Gemini 3.6 Flash)的回答准确率达到99%到100%。73% 相似待验证编造总额时各模型的中位置信度差异巨大:Gemini 3 Flash和Flash-Lite为95,GPT-5.4 nano为62,Claude Sonnet 5仅为2073% 相似部分验证测试覆盖了四款视觉模型:Claude Sonnet 5(Anthropic)、Gemini 3 Flash(Google)、Gemini 3.1 Flash-Lite(Google)、GPT-5.4 nano(OpenAI)70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1182633API
curl https://kongchang.com/api/v1/knowledge/claims/1182633MCP
get_claim(id=1182633)