待验证50% 置信基准精确时间

在规则归纳（Rule Induction）任务上，TwIL-LM3 得分96.4，gpt-oss-120b 得分65.2

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/12

首次发现

有效期至：2026/12/11

来源

TwIL-LM3：3B小模型如何在推理任务上碾压120B大模型

涉及实体

TwIL-LM3model gpt-oss-120bmodel

相关事实

待验证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 Turbo77% 相似待验证在吞吐量方面，TwIL-LM3 达到 32.9 answers/sec，gpt-oss-120b 为 12.6 answers/sec76% 相似待验证LFM2.5在BFCL-v3和BFCL-v4工具调用评测中分别比上代提升了19和23个点65% 相似待验证在严格格式评分测试中，TwIL-LM 的 1.7B 模型据称击败了体量是其 5 到 15 倍的模型64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/916084

API

curl https://kongchang.com/api/v1/knowledge/claims/916084

MCP

get_claim(id=916084)