Google 新模型是真飞跃还是巅峰刷榜？Reddit 热议 benchmaxxing
EstablishmentFun3205 · reddit · 2026-10-01
Reddit 帖子配图对比 Google 新模型（Gemini 4 相关）的评测表现，发帖人质疑这是「真材实料的进步」还是「peak benchmaxxing」——针对基准测试专门优化、实际使用却未必更好。这呼应了彭博社报道中「Gemini 4 跑分漂亮但员工实际使用表现一般」的说法，引发对基准分数与真实能力脱节的讨论。
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