FrontierMath Tier 4 已被 OpenAI 刷满，Gemini 4 仅得 78% 低于预期
haider1 · x · 2026-10-19
FrontierMath Tier 4 基准已被 OpenAI 模型基本饱和（图中 GPT-6.1 Sol (max) 达 100%，GPT-6 Astra 系列 97.6%，Claude Opus 5.5 为 95%），而 Google DeepMind 的 Gemini 4 Argon (high) 只拿到 78.0%±6.5%，与 GPT-5.5 Pro 持平。发帖人质疑 Google 进展不及预期：几个月前 DeepMind 在研究级数学上进步显著，但传闻中的 Deep Think 至今未在该基准上展示实力，Google DeepMind 的 AI co-mathematician 也仅 75.6%。
「模型」频道最新
- Ingot 上线 4 天：社区量化 Qwen3.8-27B 超官方 FP8 版 — const_reborn · 2026-10-19
- Cohere 宣布旗下新模型架构全部兼容 llama.cpp — nick_frosst · 2026-10-19
- Liquid AI 谈端侧 LFM 预训练:参数更少,靠架构与数据补质量 — JosephJacks_ · 2026-10-19
- 曝 The Information 称本月发 Fable 5.5、Gemini 4 Carbon 与 GPT-6.1 Terra — Angaisb_ · 2026-10-19
- 模型饱和度数据并不可靠：harness 与部署方式都在污染结论 — matt_slotnick · 2026-10-19
- Claude 帮用户修好硬盘，却拒找他自己的加密钱包助记词 — MoonL88537 · 2026-10-19