待验证50% 置信事实精确时间

多家实验室的旗舰模型在主流评测上的差距缩小到个位数百分比

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/30

首次发现

有效期至：2026/12/29

来源

AI竞赛进入尴尬期：技术领先不再是唯一变量

涉及实体

大语言模型concept

相关事实

待验证各大厂商在发布新模型时几乎都会甩出基准测试对比图，用几个百分点的领先宣告碾压竞争对手72% 相似待验证学术界已有多项研究表明，在MMLU、HumanEval等主流基准上得分领先的模型，在同等难度的新颖题目上往往表现大幅下滑71% 相似待验证同一个模型在不同评测平台上的排名可能大相径庭70% 相似待验证顶级学术深伪检测器在面对未见过的生成模型时，准确率可能从99%骤降至60%以下，这被称为跨模型泛化问题69% 相似待验证经过精心筛选和去重的高质量数据集，能够以远少于原始规模的token数量训练出同等甚至更强的模型69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/962971

API

curl https://kongchang.com/api/v1/knowledge/claims/962971

MCP

get_claim(id=962971)