待验证50% 置信基准精确时间
在 Frontier Code 2.0 编程基准上,Fable 5.2 领先,但所有模型得分集中在40多分的区间。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/19
首次发现
有效期至:2026/12/3
来源
Anthropic IPO与GPT-6.2 Astra:模型竞争背后的数据依赖与安全隐忧
youtubeAI Explained2026/11/19
涉及实体
相关事实
待验证Frontier Math 是由 EpochAI 创建的数学基准测试,此前 AI 模型在该测试上的通过率不足 2%62% 相似待验证Cognition发布编码模型Sway 2,在Frontier Code基准上取得50.0%,据称与更强模型差距在1分以内且成本低64%61% 相似待验证FrontierFinance 基准总分接近不代表各子任务表现一致,58.9% 对 55.9% 更适合解读为同一水平区间内的微弱领先,需与成本维度联合评估。61% 相似待验证据 OpenAI 的说法,Terra 模型在一个命令行编码基准测试上的分数超过旧版的两倍。61% 相似待验证在具体实验案例中,重叠锚点方案(n=912)显示模型55.2%对多数类51.1%,净优势+4.1pp,约2.4个标准误;非重叠锚点方案(n=163)显示59.5%对54.0%,净优势+5.5pp,约1.4个标准误。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1189711API
curl https://kongchang.com/api/v1/knowledge/claims/1189711MCP
get_claim(id=1189711)