待验证50% 置信基准精确时间

参测的八个模型包括 GPT-6 Luna、Claude Haiku 5.5、Gemini 3.5 Flash-Lite、Qwen 3 Next 80B、Gemma 4 31B、GPT-6 Sol、Claude Sonnet 5 和 Gemini 3.7 Flash，每个模型在每条赛道跑 107 次调查

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

LLM能当数据侦探吗？诚实比贵更重要的基准测试

涉及实体

GPT-6 Lunamodel Claude Haiku 5.5model Gemini 3.5 Flash-Litemodel Qwen 3 Next 80Bmodel Gemma 4 31Bmodel Claude Sonnet 5model

相关事实

待验证测试覆盖了四款视觉模型：Claude Sonnet 5（Anthropic）、Gemini 3 Flash（Google）、Gemini 3.1 Flash-Lite（Google）、GPT-5.4 nano（OpenAI）78% 相似待验证Qwen 3.8 27B在Agentic指数上超越了GPT-5.6 Terra、DeepSeek v4 Pro、GPT-5.6 Luna和Gemini 3.7 Flash78% 相似待验证编造总额时各模型的中位置信度差异巨大：Gemini 3 Flash和Flash-Lite为95，GPT-5.4 nano为62，Claude Sonnet 5仅为2076% 相似待验证B站UP主星月组织了一场多维度AI模型写小说测评，涵盖六个主流大模型（Gemini 3.8 Flash High、Cloud Opus 5、GPT 5.6、DeepSeek V4、千问3.8、GLM 5.3）74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999556

API

curl https://kongchang.com/api/v1/knowledge/claims/999556

MCP

get_claim(id=999556)