企业级Agent基准测试：Gemini 3.1/3.5表现强劲但仍落后
echen · x · 2026-07-23
最新公布的企业级智能体与深度推理基准测试显示，Gemini 3.1 和 3.5 在多项任务中表现优异，但在长上下文处理、专业文档解析、图表理解和复杂数学推理方面，其得分仍显著落后于 Fable 和 Sol 模型。
「模型」频道最新
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11