待验证50% 置信基准精确时间

研究团队在专有模型和开源权重模型上使用多种智能体框架进行了广泛评测，最先进模型如GLM-5.2、Claude-Sonnet-4.6等表现仅过半

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

HybridDeepResearch：首个混合深度研究基准揭示AI智能体跨模态整合瓶颈

涉及实体

GLM-5.2model Claude-Sonnet-4.6model HybridDeepResearchconcept

相关事实

待验证大模型第一阶段的评测涌现了OpenCompass、Evascope等工具及GSM8K等标准数据集71% 相似待验证GLM-5.2在CatPaw中的表现与官方版本基本一致，实测中编写复杂项目模块证明模型能力过硬、真实可用69% 相似待验证Supabase团队使用Claude Sonnet 4.6模型进行了对比实验，测试在启用RLS的表上创建SQL视图的任务67% 相似待验证建议团队从MLFlow起步进行实验追踪和模型注册标准化，作为投入产出比最高的第一步66% 相似待验证研究团队通过NLP指标量化分析和一项包含五名参与者的人类研究两条路径对框架进行评估65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/894677

API

curl https://kongchang.com/api/v1/knowledge/claims/894677

MCP

get_claim(id=894677)