Gemini 4 Carbon 知识评测登顶,但幻觉率 11% 远高于 Gemini 4 Argon
ArtificialAnlys · x · 2026-10-29
Artificial Analysis 公布 Gemini 4 Carbon(high reasoning) 完整评测结果:
- AA-Omniscience 得 54 分,为全场最高,领先第二名 Claude Opus 5.5 (max) 6 分(48 分)
- 答题正确率 58%,高于 Gemini 4 Argon 的 48%,但代价是幻觉率 11%(Argon 仅 4%)
- 在 AA-Omniscience 的非幻觉准确率上,仍明显落后于 Claude Opus 5.5 (max) 与 GPT-6 Astra (max)(两者均为 50%)
- 配图汇总了 AA-Briefcase、AutomationBench、Terminal-Bench-Science、FrontierCode、HLE-Diamond、GDPpdf、Terminal-Bench 4.0、CritP v2 等多张榜单的完整排名
结论:Carbon 以更高幻觉为代价换取了更强的知识覆盖。
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