待验证50% 置信基准精确时间

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 31B

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

AI智能体记忆实测：18款大模型的"写入"短板

涉及实体

gpt-oss-120bmodel gpt-oss-20bmodel DeepSeek-R1model Gemma 4 31Bmodel

相关事实

待验证SWE-2的基准得分与竞品Fable 5.1相差不到一个百分点，但成本低了64%70% 相似待验证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0.86368% 相似待验证与GPT-6 Astra相比，SWE-2得分落后几个百分点，但成本仅为对方的四分之一66% 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0.91764% 相似待验证TEMPEST比最优经典模型高出17.9个百分点，比最强三元组损失基线高出58.4个百分点63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/997254

API

curl https://kongchang.com/api/v1/knowledge/claims/997254

MCP

get_claim(id=997254)