待验证50% 置信基准精确时间

Qwen 3.6 Max在中性模式下端到端准确率仅12.3%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/9

首次发现

有效期至：2026/10/7

来源

腾讯DiscoBench：评测LLM搜索代理歧义澄清能力的首个基准

bilibili熊二等兵2026/7/4

相关事实

待验证Qwen3.6 27B版本在Simple QA测试中达到95.7%的准确率76% 相似待验证在终端基准（Terminal Bench）测试中，Qwen 3.6 27B得分约60.7，而Muse Glimmer只有51.7，明显落后76% 相似待验证Qwen3.5的参数激活率为4.3%，而DeepSeek V3的671B模型激活率为5.5%75% 相似待验证Qwen3.7 Max的输出质量高度依赖提示词质量，同一模型在不同提示词下的性能差异可高达30%-50%73% 相似待验证Qwen3.7 Max在通用智能体能力评测中超越了Claude系列模型和前代Qwen3.673% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/387222

API

curl https://kongchang.com/api/v1/knowledge/claims/387222

MCP

get_claim(id=387222)