Gemini 4 Carbon 登顶 AA 智能指数,59 分超 Claude Opus 5.5
ArtificialAnlys · x · 2026-10-29
Artificial Analysis 发布 Gemini 4 Carbon 首批评测:Intelligence Index v5 以 59 分登顶第一,Coding Agent Index 59 分仅次于 Claude Opus 5.5(62)。
- 9 项评测中 4 项第一:HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA;编程与知识工作大幅进步但并非全面领先
- 编码 agent:Antigravity CLI 下比 Argon 高 6 分,Terminal-Bench 4.0 64%、FrontierCode v1.1 51% 均列第二
- 知识工作仍落后前沿:AA-Briefcase 1609 Elo,较 Argon 涨 126 分,但不及 Grok 4.7、Muse Wonder、Kimi K3.1 Pro
- 成本:每任务 $7.76,比 Claude Opus 5.5(max)便宜约 23%,输出 token 少 29%;与 Argon 同价($4/$20)却高 9 分
- 知识可靠性:AA-Omniscience 54 分第一,准确率 58%,幻觉率 11%(仍为倒数第二低,仅高于 Argon 的 4%)
- 1M 上下文,支持文本/图像/视频/语音输入;目前仅向部分用户推送,官方提供 50% 限时发布折扣
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