待验证50% 置信基准精确时间
即使在印度语境下，所有模型仍有5%到12%的回答在中间步骤写出西式千分位格式（西式逗号漂移），Gemini 3.7 Flash最少(5%)，Claude Sonnet 4.6最多(12%)
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/11
首次发现
有效期至：2026/10/25
来源
涉及实体
相关事实
待验证在Frontier Code编程基准上，旧模型得分34.4%，Gemini 3.7 Flash提升至43.6%62% 相似待验证在Frontier Code基准中GPT-6 Luna得分56.1%，Claude Sonnet 5.0为56.2%，Kimi K3为58.2%61% 相似已验证Claude Sonnet 5.5 在终端（Terminal）基准上达到 70.6%，而上一代仅有 10.3%60% 相似待验证在易核查档，有七个模型在所有六类诱饵下都拿到了40/40满分，Claude Sonnet 5.5、Gemini 3.7 Flash 和 GPT-6.1 Sol 在易难两档全部六个任务下一题没错60% 相似待验证Sonnet 5.5的推理档位分为low/medium/high/x-high/Max，从low到x-high的token用量仅增加5%至8%，但从x-high跳到Max token用量暴涨约1500%（15倍）59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/996748API
curl https://kongchang.com/api/v1/knowledge/claims/996748MCP
get_claim(id=996748)