待验证50% 置信事实精确时间

两个Elo相差80分的模型在两两对战中胜率差约为11-13个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

OpenAI新模型号称对标旗舰，实测却差80分：性价比陷阱还是真香？

涉及实体

相关事实

待验证在Elo系统中评分差400分意味着强者的预期胜率约为91%，A获胜概率为1/(1+10^((Rb-Ra)/400))67% 相似待验证在Elo评分体系中，当两个模型分数差距在30-50分以内时，通常被认为处于统计不可区分的水平65% 相似待验证测试损失与计算量之间的幂律指数约为0.05，意味着计算量每增加10倍，模型性能提升约12%63% 相似待验证当两个模型的配对比较次数低于约200-300次时，其Elo分数的置信区间会显著扩大63% 相似待验证当前顶级AI模型在SWE-bench上的解决率仍远低于竞赛成绩所暗示的水平59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/977799

API

curl https://kongchang.com/api/v1/knowledge/claims/977799

MCP

get_claim(id=977799)