待验证70% 置信基准精确时间

在 MMLU、HumanEval、GSM8K 等主流基准上，开源模型已达到 GPT-4 早期版本 85-95% 的水平

2

来源数

70%

置信度

中期 (~90 天)

时效性

2026/8/13

首次发现

有效期至：2026/11/11

来源

Azure自托管大模型实战：vLLM+AKS+GPU部署完整指南

相关事实

待验证MMLU评分从GPT-3.5的约70%跃升至GPT-4的86%，再到后续模型逼近90%以上77% 相似已验证GPT-5.5是OpenAI于2025年中期发布的模型，相比GPT-4o在推理深度和上下文理解方面有显著提升76% 相似待验证到2024年底，Llama 3.1 405B、Qwen2.5-72B等开源模型在多项评测中已接近甚至部分超越GPT-4水平76% 相似待验证GPT-4在2023年初于MMLU上取得86.4%的成绩75% 相似待验证Qwen2.5-72B在MMLU、HumanEval等评测中接近GPT-4水平75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/740520

API

curl https://kongchang.com/api/v1/knowledge/claims/740520

MCP

get_claim(id=740520)