SEC-bench Pro 榜单:Gemini 4 Carbon 以 88.2% 居首,DeepSeek 系垫底
ColbyHawker · x · 2026-10-29
ColbyHawker 调侃 Gemini 4 Carbon「像小区业委会一样擅长挑毛病」,配图为 Google DeepMind 发布的 SEC-bench Pro(Pass@1)成绩:
- Gemini 4 Carbon:88.2%
- GPT-6 Astra:85.4%、Gemini 4 Argon:83.4%、GPT-6.1 Terra:83.3%、GPT-6.1 Sol:78.8%
- MiMo-V2.6-Pro:66.3%、DeepSeek-V4.1-Flash:62.8%、DeepSeek-V4-Pro:56.4%
Gemini 4 Carbon 在该安全审查类基准上明显领先,DeepSeek 系模型排名靠后。
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