待验证50% 置信观点精确时间

开源模型在基准测试上的表现已经越来越接近、甚至在某些任务上超过闭源模型

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/19

首次发现

有效期至：2026/12/18

来源

Gemini 4传闻与开源模型之争：跑分能说明什么

涉及实体

open-weightconcept

相关事实

待验证在HumanEval、MBPP等标准代码基准测试中，顶尖开源模型已能达到闭源模型85-95%的水平71% 相似待验证本地部署的7B开源模型配合测试时扩展，能在特定任务上匹敌闭源云端模型的准确率70% 相似待验证由于 OpenShip 仍处于早期阶段，建议先在非核心业务或测试环境中试用后再推进生产使用68% 相似待验证FrontierCode 1.1的测试用例通常来自真实开源项目，要求模型具备跨文件上下文理解和长序列推理能力67% 相似待验证开发者升级模型前应在自己真实工具链上做回归测试，而非盲目相信版本号67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/935972

API

curl https://kongchang.com/api/v1/knowledge/claims/935972

MCP

get_claim(id=935972)