待验证50% 置信事实精确时间
综合智能指数常见子基准包括 MMLU、HumanEval、MBPP、MATH、GSM8K、GPQA 和 LongBench
1
来源数
50%
置信度
长期有效
时效性
2026/9/22
首次发现
来源
涉及实体
相关事实
待验证DeepSpec配套九个评测基准，涵盖数学推理（GSM8K、MATH-500）、代码生成（HumanEval、MBPP、LiveCodeBench）和通用对话（MT-Bench、Alpaca、Arena-Hard v2）74% 相似待验证在国内主流大模型编程能力测试中，智谱GLM排名第一，DeepSeek、Kimi、MiniMax位于第二梯队，阿里通义、腾讯混元表现略逊64% 相似待验证教程推荐四个主流模型：Llama 3.1（Meta）综合能力最强，DeepSeek R1（深度求索）擅长深度思考推理，Qwen 3（阿里通义千问）中文效果最好，Gemma 3（谷歌）支持多模态63% 相似待验证Google DeepMind提出了AGI的六级分类框架，从Level 0到Level 5（超人级），当前最先进的大模型大致处于Level 1到Level 2的通用范围62% 相似待验证多Token预测（MTP）技术已被DeepSeek、Meta、谷歌采用，正成为大模型的标配能力62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/941568API
curl https://kongchang.com/api/v1/knowledge/claims/941568MCP
get_claim(id=941568)