待验证50% 置信事实精确时间
Copilot 团队用 Decision-1 测量聊天和智能体回答质量，称其性能可与 GPT-5.6 Luna 竞争，速度约为后者的 100 倍
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
待验证评测设置了五个维度：上线速度、学习曲线、输出质量、灵活性、性价比，每项满分20分，总分100分65% 相似待验证在微软内部覆盖 36 项基准、近 15 万道题目的评估中，Decision-1 以 83.5% 的平均准确率位居首位，超过 Jev 1.13.0（82.3%）、Quyet-1.0-Large（81.9%）、GPT-6 Luna Decisions（79.4%）65% 相似待验证在EvoArena测试中，Step Level最高的GPT-5.5只有50%出头的准确率，Chain Level表现最好的Gemini-3.1 Pro和GLM-5.1也只有约28%-29%63% 相似待验证模型在铅笔计数的多模态图片识别测试中给出34只的正确答案，此时速度为每秒55 Token62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/998003API
curl https://kongchang.com/api/v1/knowledge/claims/998003MCP
get_claim(id=998003)