爆料称 Gemini 4 跑分亮眼但实战拉胯,内部员工实测编码任务吃力
socialwithaayan · x · 2026-10-01
Bloomberg 报道称,有知情人士透露 Gemini 4 在常用基准测试上表现出色,但在 Google 内部员工实际使用时表现不佳,尤其在部分编码任务上明显吃力,跑分与真实生产力之间存在落差。推主 socialwithaayan 转发并评论:「每个模型在真正拿来干活之前都很棒」,以此调侃行业普遍的 benchmark 泡沫现象。
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