待验证50% 置信基准精确时间

所有被评估的模型-harness配置在Harbor-Index上的通过率均未超过30%

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

Harbor：统一80+基准的AI Agent评估框架详解

涉及实体

Harbor-Indexproduct

相关事实

待验证即使是表现最强的模型，也仅能恢复30%的评估证据和25%的局限性描述63% 相似已验证对于参数量大于30B的模型，4-bit量化造成的性能损失通常在基准测试中下降1-3%，但对小模型影响更显著60% 相似待验证中间层模型在MMLU、HumanEval等基准上通常能达到旗舰模型80%以上的得分，却只需不到30%的推理成本59% 相似待验证在SWE-bench Full版本上，多数模型的通过率仍低于20%59% 相似待验证能够清晰量化AI投资回报（ROI）的企业占比仍不足30%58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/902673

API

curl https://kongchang.com/api/v1/knowledge/claims/902673

MCP

get_claim(id=902673)