待验证50% 置信基准精确时间
在尝试两到三次的情况下GLM-5.3 Flash得分82%，与GPT-5.6 Luna的81%处于误差范围之内
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/6
首次发现
有效期至：2026/10/20
来源
涉及实体
相关事实
待验证单轮测试排名靠前的是GLM-5.3得分96.2%、Kimi 93.9%、GLM-Flash 92.2%，三者原始分都是79/8477% 相似待验证在一道三样本数学题上，DeepSeek V4.1 Flash达到74分，与Opus 5.0持平，超过GLM的67分和V4 Pro的62分74% 相似待验证在Artificial Analysis的Omniscience幻觉指标上，GPT-5.6 Sol Max高达89%，高于Claude Fable的55%和GLM 5.2的28%74% 相似待验证在Terminal Bench 2.1基准测试上，GPT-5.6 Sol的Ultra模式接近92%，超越竞品的88%表现72% 相似待验证在超高推理强度下 GPT-6.1 Sol 事实错误率为 4.1%，低于上一代的 4.5%，接近 Astra 的 4.0%72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/980436API
curl https://kongchang.com/api/v1/knowledge/claims/980436MCP
get_claim(id=980436)