谷歌发布 Gemini 4 Carbon：代理编码 9.6%，多项基准刷新纪录
fofrAI · x · 2026-10-29
谷歌官方博客宣布 Gemini 4 Carbon，定位为展示前沿推进速度的旗舰模型，称研究人员与模型协同工作以更快提升能力并同步加强安全护栏。
配图基准表显示其在多数榜单领先：
- 通用能力：AA Index v5.0 达 59，Vals Index v2.2 达 70.4%，均超 GPT-6 Astra（57）与 Claude Opus 5.5（58）
- 代理编码：SWE-sweep 9.6%、Terminal-Bench 4.0 65.2%，大幅领先；FrontierSWE 2（61.2%）略低于 GPT-6 Astra 的 65.5%
- 计算机使用：Agents' Last Exam 77.4%，OSWorld-2.1 81.5%（Claude Opus 5.5 以 87.2% 居首）
- 知识工作：AutomationBench 53.9%；Vending-Bench 2 银行余额 $16,484 为全场最高
- 长上下文：GraphWalks（256k–1M）96.2%
- 数学与科学：RiemannBench 80.0%
- 网络安全：SEC-bench Pro 88.2%、ExploitGym 54.8%，均为最高
所属事件:谷歌发布 Gemini 4 Carbon，登顶 AA 榜首(84 条相关)→
「模型」频道最新
- Kimi K3.1 对比 DeepSeek V4：非 SSW 特化但在多项硬核基准进步明显 — teortaxesTex · 2026-10-29
- 爆料称 Anthropic 还有更大的实验室公告，成果或年底至明年初公布 — ChrisGPT · 2026-10-29
- 伯克利等提出信息论缩放律：可预测扩散模型的记忆化与 FID — LucaAmb · 2026-10-29
- 博主实测：Google Carbon 比 Argon 废话更少、约束遵循更好 — legit_api · 2026-10-29
- LMArena 实测 Gemini 4 Carbon 预览版：3D 生成与创意领先，细节有缺口 — arena · 2026-10-29
- Gemini 3.1 Pro 出现「人格分裂」：两个自我争抢浏览器控制权 — davidad · 2026-10-29