待验证50% 置信基准精确时间
gpt-oss-120b 记忆读取得分0.991，但写入得分仅0.740，为写入排名垫底；DeepSeek-R1 读取0.997，写入0.863
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/11
首次发现
有效期至：2027/1/9
来源
涉及实体
相关事实
已验证在 DeepSWE 基准上，GPT-5.6 各推理档位得分分别为 Low 45 分、Medium 61 分、High 69 分、X-High 71 分、Max 73 分69% 相似待验证更大更新的模型未必表现更好：gpt-oss-120b（0.740）得分低于 gpt-oss-20b（0.761）；DeepSeek-R1 花费1.94美元得分却低于花13美分的 Gemma 4 31B68% 相似待验证表现最佳的Edu-QuRater在还原留出集的GPT-4.1-mini成对判断时平均准确率达到0.91766% 相似待验证Theo实测中GPT-6.1 Sol每个请求平均只读取约11万Token，而Sonic 5高达36万Token65% 相似待验证Mistral Small 4在单位换算输入上的得分仅为0.699，并产生了265个与正确标签相差精确十的幂次的错误63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/997247API
curl https://kongchang.com/api/v1/knowledge/claims/997247MCP
get_claim(id=997247)