待验证50% 置信事实精确时间

该结果链接指向的页面标注了 tier-4-v2 的版本信息，说明基准本身存在迭代，跨版本直接比较得分并不严谨

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/2

首次发现

有效期至：2026/12/31

来源

GPT-6.1 Sol Max 在 FrontierMath 4 拿满分意味着什么

涉及实体

FrontierMathconcept

相关事实

待验证在技术得分上，Step-5-preview 排第二59% 相似待验证在Qwen-3.5-4B-Instruct上，75.6%的有效性评分认为主轴两极生成结果准确对应其标签，标注者相邻一致率高达90.9%58% 相似待验证0.8B 参数与 Meta 的 LLaMA 3.2 1B、Google 的 Gemma 2B 同属超小模型梯队，接近早期 GPT-2（1.5B）的量级下限57% 相似待验证v2.5 的具体性能指标、与旧版本的量化对比及迁移成本等细节尚未公开56% 相似已验证Qwen3-4B在多项推理类评测指标上已与DeepSeek V3或GPT-4o相差无几56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/968625

API

curl https://kongchang.com/api/v1/knowledge/claims/968625

MCP

get_claim(id=968625)