待验证50% 置信事实精确时间
过去两年各家头部模型在主流基准上的分数差距已从显著收窄至个位数百分点级别
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/6
首次发现
有效期至：2027/1/4
来源
涉及实体
相关事实
待验证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70% 相似待验证斯坦福大学HAI研究所2024年度AI指数报告显示，顶级闭源模型在MMLU基准上的最高分与第五名之间的差距，已从2022年的约8个百分点收窄至不足2个百分点67% 相似已验证在MMLU、HumanEval、GSM8K等主流评测中，头部大模型的得分差距往往只有几个百分点63% 相似待验证当综合评估指数中顶尖模型得分接近天花板时会出现基准饱和问题，60分对59分的差距在统计学上通常处于误差范围之内62% 相似待验证benchmark分数与实际开发体验之间存在显著落差，模型可能在标准测试中领先却在真实项目中表现平平61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/980311API
curl https://kongchang.com/api/v1/knowledge/claims/980311MCP
get_claim(id=980311)