待验证60% 置信基准精确时间

Llama 3.1 405B在MMLU上的得分已接近GPT-4o的水平，Qwen 2.5 72B在数学和代码生成基准上某些指标超越了GPT-4 Turbo

2

来源数

60%

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

美国企业集体转向开源AI：成本、合规与技术自主的三重驱动

涉及实体

Llama 3.1 405Bmodel GPT-4omodel Qwen 2.5 72Bmodel GPT-4 Turbomodel MMLUconcept

相关事实

待验证在规则归纳（Rule Induction）任务上，TwIL-LM3 得分96.4，gpt-oss-120b 得分65.277% 相似待验证GPT-4o 与 Qwen 2.5 Coder 32B 在 DataBugBench 中并列第二，均为4/5，准确率80%77% 相似待验证GPT-4o、Qwen-VL Max 和 LLaMA 的标签—图像准确率差距分别达到 9.5、13.8 和 12.6 个百分点。73% 相似待验证Models like GPT-4 and Claude 3.5 surpassed 90% accuracy on MMLU, significantly diminishing its discriminative power71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/871702

API

curl https://kongchang.com/api/v1/knowledge/claims/871702

MCP

get_claim(id=871702)