视觉逻辑评测：Gemini 领先，GPT 遭遇瓶颈
Afinetheorem · x · 2026-08-13
作者在自建的视觉与逻辑基准测试中发现，Grok 4.6 和 Qwen3.8 Max 表现平庸，成绩介于 Gemini 2.0 Flash Lite 和 GPT 5.6 Luna 之间。目前表现最好的依然是擅长此类任务的 Gemini 系列（如 Fable 和 Muse 1.2）。GPT 模型虽然也不错，但自一年多以前的 o3 版本以来就没有取得实质性进步。
所属事件:视觉逻辑评测显示 Gemini 领先 GPT(2 条相关)→
「模型」频道最新
- Gemini 4 模型卡披露:模型可省去生物武器研究数月试错 — Puzzleheaded-King584 · 2026-10-16
- 问 AI 要答案永远是 7：Anthropic 工程师谈模型品味趋同陷阱 — rubenhassid · 2026-10-16
- 推ter脑筋急转弯：抠掉 Llama 3 全部权重矩阵还剩几个参数？ — Sauers_ · 2026-10-16
- Lean v4.35.0 自带四个已验证内核，其中之一由 Claude 写成并自证一致 — geoffreyirving · 2026-10-16
- Claude 团队版一个席位被标记，全组织 5 个账号一并冻结 — RexDouglass · 2026-10-16
- Kimi K3 训后检查点表现出色，获赞预训练扎实 — SonglinYang4 · 2026-10-16