待验证85% 置信事实时间未知

Gemini 2.5 Pro在Humanities Last Exam基准测试中得分18.8%，远超O3 Mini的14%和其他模型的10%以下

1

来源数

85%

置信度

中期 (~90 天)

时效性

2026/6/1

首次发现

有效期至：2026/8/30

来源

Gemini 2.5 Pro编程实测：Rust重构吊打Claude，前端却翻车

bilibili程序员韩老魔

涉及实体

Gemini 2.5 Promodel O3 Minimodel Humanities Last Examconcept

相关事实

待验证Gemini 3.5 Flash在Humanities Last Exam中得分40.2%，落后于Opus的46.9%和Pro的44.4%83% 相似待验证Gemini 3在SWE-bench基准测试中智能体场景下的得分远超同类模型78% 相似待验证在GDPo专家任务评估中，Gemini 3.1 Pro得分1317，低于Anthropic Claude的同等水平76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/20627

API

curl https://kongchang.com/api/v1/knowledge/claims/20627

MCP

get_claim(id=20627)