待验证50% 置信基准精确时间

Qwen3.8-27B 在 ThinkingBox 中 pass@20 为 89.35%，all-20 为 7.50%

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

Qwen3.8-27Bmodel ThinkingBoxproduct

相关事实

待验证Kimi-K3 在 ThinkingBox 中 pass@20 达到 93.89%（476/507），但 all-20 仅为 13.41%（68/507）75% 相似待验证Qwen3 27B在OpenAI HumanEval 164道Python题上取得85%通过率和99%应答率74% 相似待验证Claude Opus 5 在 ThinkingBox 中 pass@20 为 79.09%，all-20 达到 47.53%（241个任务稳定通过）73% 相似待验证Glimmer智能指数35分，超越Gemma 2 27B（30分），几乎追平Qwen 2.5（36分），Qwen 2.5 72B以38分居榜首68% 相似待验证在MMLU-Pro基准上Flash-Next IQ4_XS得分83.8%，Qwen3 27B FP8得分75.0%67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/991240

API

curl https://kongchang.com/api/v1/knowledge/claims/991240

MCP

get_claim(id=991240)