待验证50% 置信事实精确时间
MERIT实验采用预注册的3模型×3随机种子网格实验，使用GPT-4.1和Claude Haiku 4.5
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证本文测试了GPT-4o Mini、Qwen Max和本地Llama 3.1三个大模型在多Agent场景中的实际表现68% 相似待验证开源小参数模型如Meta的Llama 3系列、Mistral AI的Mixtral系列量化后的叙事指令遵循能力已接近早期GPT-3.5水平67% 相似待验证The experiment tested three AI models — Claude Opus 4.6, GPT Codex, and Gemini — across three dimensions: code generation, environment interaction, and tool invocation.66% 相似待验证OpenAI推出GPT-4o mini、Anthropic推出Claude 3.5 Haiku，均属于在同一基座上通过后训练迭代推出中间版本的策略66% 相似已验证OpenAI的GPT-4o mini、Anthropic的Claude 3.5 Haiku等产品都在走轻量高效模型的类似路线65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/895508API
curl https://kongchang.com/api/v1/knowledge/claims/895508MCP
get_claim(id=895508)