待验证50% 置信基准精确时间

Kimi-K3 在 ThinkingBox 中 pass@20 达到 93.89%（476/507），但 all-20 仅为 13.41%（68/507）

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/9

首次发现

有效期至：2027/1/7

来源

ThinkingBox：微软用20次重复测试重新定义AI智能体可靠性

涉及实体

Kimi-K3model ThinkingBoxproduct

相关事实

待验证Qwen3.8-27B 在 ThinkingBox 中 pass@20 为 89.35%，all-20 为 7.50%75% 相似待验证Llama 3.3 70B的亲属称谓选择正确率为77.92%，生成正确率仅24.24%67% 相似待验证Kimi K3在编程基准测试中得分77.8%，领先于OpenAI新版模型的约77.6%和另一竞品的约76.8%66% 相似待验证在测评中Qwen 3 Max领先Kimi K3（77.5%）、GLM（75%）和GPT-4系列（71.25%）66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/991238

API

curl https://kongchang.com/api/v1/knowledge/claims/991238

MCP

get_claim(id=991238)