待验证50% 置信基准精确时间
在 PanoPed-S 测试中，Sextant 将最强基线 MOTIP 的 HOTA 指标从 47.30 提升到 49.49，并在全部八个测试序列上均有增益
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%60% 相似待验证在UP主的KingBench 3八项测试中，GPT-6 Sol得66/80（82.5%），Opus 5.5得75/80（93.75%），Opus领先11.25个百分点60% 相似待验证在AID基准测试中，o1 high（对应o1 pro）的编程能力得分超过60，优于o3-mini-high，但两者非常接近58% 相似待验证在综合基准测试中，So得55分（约78.6%），Terra得44分（约62.9%），Luna得31分（约44.3%）56% 相似待验证在LongMemEval基准测试中，5个chunk时BM25准确率从78.8%提升到85.2%55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/986885API
curl https://kongchang.com/api/v1/knowledge/claims/986885MCP
get_claim(id=986885)