待验证50% 置信基准精确时间
Luna模型的fail_fast/endstate得分是64/55，差距对应那些逐轮看都干净、终态却是烂的轨迹
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/22
首次发现
有效期至：2026/12/21
来源
涉及实体
相关事实
待验证Luna后端得分53.74分，前端得分7.32分，前端交互基本不可用67% 相似待验证在Deep Squeeze测试中，旧模型得分49%，Gemini 3.7 Flash跃升至65.3%64% 相似待验证Luna配置在HIGH和XH模式下10次测试全部答错，正确率为零63% 相似待验证实测中Top Speed配置14分钟跑完，消耗200万tokens；Open Weights配置中的Kimi K3模型完全失败无法输出正确JSON；Frontier配置中的Opus 5规划阶段跑了13分钟61% 相似待验证在终端基准（Terminal Bench）测试中，Qwen 3.6 27B得分约60.7，而Muse Glimmer只有51.7，明显落后58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/941205API
curl https://kongchang.com/api/v1/knowledge/claims/941205MCP
get_claim(id=941205)