待验证50% 置信基准精确时间
在Llama-3.x系列上重跑，12个配置同样全部不合格(12/12)
1
来源数
50%
置信度
长期有效
时效性
2026/10/2
首次发现
来源
涉及实体
相关事实
已验证Llama由Meta发布，从Llama 1到Llama 3系列，参数规模从7B到405B不等61% 相似待验证在新版24点问题（数字2、7、8、10，要求三个不同解法）测试中，DeepSeek V4.1 Flash 三个解法全部出错，均违反每个数字只能使用一次的约束61% 相似待验证三个模型（Sol、Luna、DeepSeek）在多图排版上均未能还原好，是共同短板57% 相似待验证在4个任务×4个模型共16个配置中，没有任何一个通过合格线54% 相似待验证如果 Gemma 3 12B 在结构化输出上频繁出错，建议换用 Qwen 2.5 系列或 Llama 3.1 8B/70B，因为它们对 Function Calling 有更好的原生支持54% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/966721API
curl https://kongchang.com/api/v1/knowledge/claims/966721MCP
get_claim(id=966721)