Bloomberg 曝 Gemini 4 跑分强但实战拉胯，编码任务吃力
kimmonismus · x · 2026-10-01
据 Bloomberg 报道，Gemini 4 在常用基准测试上表现不错，但谷歌内部员工实际使用时发现它在真实任务上不如跑分所示，尤其是部分编码任务处理吃力。消息人士称，谷歌内部对它是否已追上 OpenAI 和 Anthropic 意见不一。这是典型的 benchmark 与实战表现脱节的案例，内部分歧本身也说明追赶存疑。
所属事件:Gemini 4 跑分爆料密集涌现，彭博曝内部实测遇冷(35 条相关)→
「模型」频道最新
- 曝 OpenAI GPT 6.2 处于极限安全评估中，或推迟发布 — imjustnewatai · 2026-11-16
- Google 一周连发两颗新 TPU、Gemini Robotics 2.5 等 AI 成果 — haider1 · 2026-11-16
- 模型国际象棋再战：GPT 6 Astra 执白 76 手将杀 Claude Fable 5.2 — StorageThese9556 · 2026-11-16
- Claude 3 Sonnet 满口胡言后突然切换助手腔,拒绝内容并划清界限 — repligate · 2026-11-16
- Plus 用户反映 GPT 6 今日输出异常，对话末尾频出胡言乱语 — Lanceward · 2026-11-16
- AHA! 免 LLM 权重空间编程：改几千个权重让 0.8B 模型 GSM8K 翻五倍 — hbouammar · 2026-11-16