已过期50% 置信事实精确时间

Each challenge in the comparison was scored on three metrics: quality score, Token consumption, and runtime.

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/2

首次发现

此条事实已过期，仅作历史留存，不再代表当前状态

有效期至：2026/9/30(已过期)

来源

Kimi K2.7-Code vs K2.6 Real-World Comparison: Who Wins Across Five Hardcore Challenges?

bilibili寒冰巨魔95272026/6/14

相关事实

待验证评测设置了语义正确率、三次全对率和格式正确率三个维度指标67% 相似待验证The evaluation uses three scoring dimensions: Instruction Following, Unit Testing, and LLM as Judge61% 相似待验证本次评测使用全国一卷高考数学题对比Muse Glimmer和通义千问3.6 27B56% 相似待验证最低购买价机制测试了5-6个号，成功率约为三分之一55% 相似待验证ATLAS 每次推断约需 3 秒，平均游戏得分约 4000 分54% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/46166

API

curl https://kongchang.com/api/v1/knowledge/claims/46166

MCP

get_claim(id=46166)