待验证50% 置信基准精确时间
在BU Bench V1上，4B参数的SFT模型超越了DeepSeek V4 Pro和Kimi K2.6在开源Browser Use框架下报告的45%成绩
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/7
首次发现
有效期至：2026/12/6
来源
涉及实体
相关事实
待验证DeepSeek V4 Pro's Terminal Bench score is slightly above open-source models Kimi K2.6, GLM 5.1, and Minimax M2.772% 相似待验证Qwen3-4B在多项推理类评测指标上已与DeepSeek V3或GPT-4o相差无几69% 相似待验证在SWE-Bench Pro上，HY3以57.9分反超DeepSeek V4 Pro的55.4分67% 相似待验证Kimi K2.6在SWE Bench Pro、深度搜索问答和Humanity's Last Exam等顶级基准测试上与GPT 5.4、Claude Opus 4.6和Gemini 3.1 Pro等闭源模型竞争66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/869644API
curl https://kongchang.com/api/v1/knowledge/claims/869644MCP
get_claim(id=869644)