待验证60% 置信基准精确时间

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

2

来源数

60%

置信度

长期有效

时效性

2026/8/19

首次发现

来源

老旧LLM会成为怀旧符号吗？AI技术的时代记忆与文化价值

相关事实

待验证GPT-4在2023年初于MMLU上取得86.4%的成绩80% 相似待验证GPT-4、Claude、Gemini等模型相继在MMLU上突破90%的准确率，导致该基准的区分度消失77% 相似待验证在 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77% 相似待验证GPT-4在LeetCode竞赛题上的通过率超过80%73% 相似待验证GPT-6 Astra在KingBench 3基准上获得90%的高分（72/80）73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/774422

API

curl https://kongchang.com/api/v1/knowledge/claims/774422

MCP

get_claim(id=774422)