已过期50% 置信事实时间未知
The Bilibili test evaluated models across three tiers: basic (video playback and stats), intermediate (comments, danmaku, QR login), and advanced (posting comments/danmaku, viewing favorites).
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/9/30(已过期)
来源
相关事实
待验证A Bilibili content creator named Jiuling conducted a head-to-head comparison test of five AI models for game development.63% 相似待验证三种自动化评测方案为代码断言、底层环境校验、LLM大模型裁判，可信度依次递减62% 相似待验证Artificial Analysis将Qwen3 27B纳入评测榜单并完成了一系列基准测试61% 相似待验证Kimi K3在前端设计、软件工程等多个基准测试中表现几乎与Anthropic、OpenAI旗舰模型持平，部分测试中更优61% 相似待验证原帖作者使用TestMu Agent Testing处理评测层，因为它能生成不同用户画像和场景，并支持跨版本对比Agent的动作层面失败60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/57745API
curl https://kongchang.com/api/v1/knowledge/claims/57745MCP
get_claim(id=57745)