已过期50% 置信基准精确时间
在屎山测试排行榜上，多数模型成绩只有十几分到二十几分，索尔以已收录的一条记录排在第四位（该记录与本次实测非同一次成绩）
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/9/28
首次发现
有效期至：2026/10/12(已过期)
来源
涉及实体
相关事实
待验证该工具真正记录测量结果的文件只有30行数据，其中25行是同一策略对同一套测试集，5行是桩对桩（占位符对占位符）67% 相似待验证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66% 相似待验证在综合基准测试中，So得55分（约78.6%），Terra得44分（约62.9%），Luna得31分（约44.3%）65% 相似待验证在GPT-4发布初期，主流模型在GPQA上的准确率约为35-40%，人类领域专家基准线约为65%，随机猜测为25%65% 相似待验证最低购买价机制测试了5-6个号，成功率约为三分之一64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/954929API
curl https://kongchang.com/api/v1/knowledge/claims/954929MCP
get_claim(id=954929)