待验证50% 置信基准精确时间
Frontier Math Tier 4从发布时最高得分不到5%到不到14个月后最高得分达98%，Epoch据此认为该基准已饱和
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/16
首次发现
有效期至：2026/12/15
来源
涉及实体
相关事实
待验证在 Frontier Code 准确率与成本基准测试中，低档位花费约 5 美元可达约 11% 得分，而 Opus 4.8 Max 花费约 11 美元才拿到相同得分67% 相似待验证NVFP4量化方案相比BF16基线实现了1.5倍的推理加速，同时在top-1准确率上保留了92%到97%的水平63% 相似待验证GLM 5.2 scored 74.4% on the Frontier SW benchmark, closely approaching Anthropic's Opus 4.8.61% 相似待验证Claude Opus 5 approaches Fable-level performance on the FrontierCode 1.1 benchmark while costing only half as much61% 相似待验证在Frontier Code编程基准上，旧模型得分34.4%，Gemini 3.7 Flash提升至43.6%60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/927517API
curl https://kongchang.com/api/v1/knowledge/claims/927517MCP
get_claim(id=927517)