待验证50% 置信基准精确时间
腾讯 HY4 Flash 在腾讯自己的盲测中(85 位用户、259 项真实任务),最高思考模式下评分 2.79,Claude 3.5 Sonnet 为 2.81。
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
待验证盘古2.0 Flash在AIME类数学测试中得分93.3,在HMMT测试中得分91.5,数学能力处于第一梯队69% 相似待验证在 ProgramBench、NL2Repo-Bench、Automation-Bench、Agents' Last Exam 四个基准上,V4.1 Flash 1017 得分分别为 29.1、68.2、60.5、35.4,均高于 V4 Pro 0813 的 15.5、61.5、43.2、25.769% 相似待验证盘古2.0 Flash在可验证指令遵循测试中得分95.9,位列全场第一68% 相似待验证V4.1 Flash提供低、中、最高三档推理强度,八项推理基准平均分从67.1涨到76.3,代价是输出Token增加约2.5倍68% 相似待验证总额全遮时的编造比例:Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%;总额遮一半时编造比例:Claude 92%、其余三款均为100%68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1185141API
curl https://kongchang.com/api/v1/knowledge/claims/1185141MCP
get_claim(id=1185141)