待验证50% 置信事实精确时间
研究评估了13个VLM，涵盖GPT、Gemini、Gemma、Mistral、Qwen五大主流系列，参数量从3B到32B不等
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/5
首次发现
有效期至：2027/1/3
来源
涉及实体
相关事实
待验证数据集涵盖四个开源权重模型Qwen2.5-7B、Mistral-7B-v0.3、Phi-3.5-mini和Qwen2.5-1.5B，各30条轨迹71% 相似已验证Qwen3-4B在多项推理类评测指标上已与DeepSeek V3或GPT-4o相差无几69% 相似待验证开源模型MiniMax M2.6 Pro得分46分，GLM 5.3和Qwen 3.8 Max约45分，均接近GPT-6 Sol的48分69% 相似待验证小型VLM如LLaVA-7B、Qwen-VL-Chat参数量通常在数十亿级别，而目标检测模型通常在数千万至数亿参数67% 相似已验证在MMLU、HumanEval等主流基准测试上，Claude 3.5、GPT-4o、Gemini 1.5 Pro、Grok-2之间的分差已压缩至统计误差范围内67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/977919API
curl https://kongchang.com/api/v1/knowledge/claims/977919MCP
get_claim(id=977919)