待验证50% 置信基准精确时间

DeepSeek V4 Flash在22个多轮测试中失败13个（fail_fast 45%），Gemini同样失败13个

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

单轮安全测试全通过，多轮却被攻破：84个陷阱实测10款AI Agent

涉及实体

DeepSeek V4 Flashmodel Geminimodel

相关事实

待验证在16个单轮任务上共进行314次对比，对阵Gemini Flash（274次）为62胜146平66负，对阵Gemini Pro（40次）为35胜0平5负72% 相似待验证Gemini 3.8 Flash在该测试中最终仅得2分，黄金题通过但钻石以上难度均未成功70% 相似待验证Tech creator Theo reported that Gemini 3.5 Flash performed poorly in real-world coding tasks after getting early access.69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/941206

API

curl https://kongchang.com/api/v1/knowledge/claims/941206

MCP

get_claim(id=941206)