RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶
berkeley_ai · x · 2026-10-16
UC Berkeley、Google DeepMind 与 Princeton 研究者在 RSS 2026 发布 RoboVista,一个系统评测 VLM 在多样化真实机器人应用中理解能力的基准,附带网站、数据集与论文。
最新跑分:
- Gemini-4 Argon:81.9%,评测成本仅 $2.54,排名第一;
- GPT-6 Astra:75.3%($6.08);
- Claude Fable 5.1:64.1%($7.94)。
相比 Gemini 3 Flash,Gemini-4 Argon 在 RoboVista 上整体提升 12.9 分,且每个领域全线上涨:Driving 75→100(+25)、Industry 58→76(+18.3)、Agriculture 70→87(+17)、Open data +11.1、Surgery 89→96、Home 67→71。
「模型」频道最新
- 曝 OpenAI 暗测内部神秘模型 Aeon：已现身 Codex 桌面版用量面板 — cedric_chee · 2026-10-16
- 博主实测：argon 日常全面能打，但重度编码仍略逊 Claude — iruletheworldmo · 2026-10-16
- NVIDIA 发布 Qwen3.8-Flash FP4 量化版，主打本地部署 — nvidia · 2026-10-16
- 开发者实测:决策模型 jev 质量跑赢 GPT-6-Luna — genmon · 2026-10-16
- Reddit 用户求证 Google AI Pro 订阅中 Argon 4 用量上限 — Consistent-Text-2662 · 2026-10-16
- Reddit 用户困惑:为什么那么多人觉得 Claude 比 ChatGPT 好 — -ButterflyEffect- · 2026-10-16