已过期50% 置信基准精确时间
GPT-4、Gemini Ultra等大型语言模型在竞赛数学上已能达到接近顶级学生的水平，但在研究级证明上仍频繁出错
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/19
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：2026/10/17(已过期)
来源
相关事实
已验证2023年至2024年间，GPT-4、Claude 3、Gemini Ultra等主流大语言模型在基准测试上的差距持续收窄，在多数通用任务上已难分伯仲82% 相似已验证GPT-4、Claude 3.5 Sonnet、Gemini 1.5 Pro等新一代大语言模型在HumanEval、SWE-bench等代码能力基准测试上的得分已大幅超越此前版本80% 相似已验证GPT-4、Claude、Gemini等代表性大语言模型参数量通常在千亿级别以上76% 相似待验证多模态大模型（如GPT-4V、Gemini）采用端到端处理方式，避免字符切分错误的级联传播，在复杂文字识别上往往优于传统OCR75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/565060API
curl https://kongchang.com/api/v1/knowledge/claims/565060MCP
get_claim(id=565060)