Gemini 4 编码榜单排名分化引质疑

Artificial Analysis 于 10 月 29 日公布的两份编码榜单显示罕见大洗牌：Gemini 4 在公开编码任务（如 Terminal-Bench）上登顶并击败 Opus 5.5，但在私有任务榜单上却跌至垫底，甚至输给 Grok。有爆料引用此对比质疑其刷榜，被引用的 Zergylord 反讽回应称「我们只会刷榜，不像某些机构能在公开和私有任务上都表现神奇」，引发社区对基准测试可信度的讨论。

2026-10-30 ~ 2026-10-31 · 2 条相关

事件全程(共 7 集)→

• 第 1 集:谷歌发布 Gemini 4 Carbon，登顶 AA 智能指数榜首(2026-10-29,126 条)
• 第 2 集:Google 抢发 Gemini 4 Carbon 被指仍落后对手两月(2026-10-29,4 条)
• 第 3 集:Vals 指数榜：Claude Sonnet 5.5 登顶，Gemini 4 Carbon 第二(2026-10-29,3 条)
• 第 4 集:Gemini 4 Carbon 跑分截图流出，多项基准被刷满(2026-10-29,4 条)
• 第 5 集:爆料称 OpenAI 与 Anthropic 前沿新模型下周齐发(2026-10-29,3 条)
• 第 6 集:Gemini 4 Carbon 登顶 AA 智能指数但编程 Agent 仍逊于 Opus 5.5(2026-10-30,2 条)
• 第 7 集:Gemini 4 编码榜单排名分化引质疑(2026-10-30,2 条)

• Gemini 4 公开编码任务登顶,私榜却跌至垫底 — Hesamation · 2026-10-30
• 爆料称 Gemini 4 公开编码任务胜 Opus 5.5、私有任务输给 Grok — teortaxesTex · 2026-10-31