待验证50% 置信基准精确时间
总额全遮时的编造比例：Claude Sonnet 5为38%、Gemini 3 Flash为21%、Gemini 3.1 Flash-Lite为44%、GPT-5.4 nano为73%；总额遮一半时编造比例：Claude 92%、其余三款均为100%
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
待验证即使在印度语境下，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%)73% 相似待验证在Frontier Code编程基准上，旧模型得分34.4%，Gemini 3.7 Flash提升至43.6%68% 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67% 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%66% 相似待验证当被单独追问总额是否可见时，Claude、Gemini 3 Flash和Flash-Lite在48张账单上全部回答总额不可见且无法计算，但直接提问时仍有21–44%的概率给出编造总额66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/997260API
curl https://kongchang.com/api/v1/knowledge/claims/997260MCP
get_claim(id=997260)