待验证50% 置信基准精确时间

取每个模型最佳努力档位，5x5 网格解题率约 85%，10x10 降至 46%，15x15 仅剩 20%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/4

首次发现

有效期至：2027/1/2

来源

Nonobench：49款大模型玩数织谜题的开源基准测试

涉及实体

Nonobenchproduct

相关事实

待验证在需要5步以上操作的任务中，最强模型的成功率会从首步的80%以上骤降至后续步骤的40%甚至更低，呈现指数级下降特征74% 相似待验证在Artificial Analysis综合指数中，Opus 5.5得58分，Sol得48分，Luna得37分72% 相似待验证高级模型每个token的折算比率往往比基础模型高出5到20倍72% 相似待验证在代码补全、函数改写等结构化任务上，中低端模型与顶级模型的输出质量差距通常在5%以内71% 相似待验证在使用正确的、领域特定的理由方面，不同模型的表现从25.6%一路跨越到76.9%70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/973739

API

curl https://kongchang.com/api/v1/knowledge/claims/973739

MCP

get_claim(id=973739)