谷歌发布 Gemini 4 Carbon，基准跑分大幅领先 GPT-6 与 Claude
mark_k · x · 2026-10-29
markk 宣布 Google DeepMind 发布 Gemini 4 Carbon，并称基准成绩强劲。随附的对比表显示，与 Gemini 4 Argon、GPT-6 Astra、Claude Opus 5.5、Claude Fable 5.1 相比，Carbon 在大多数榜单居首：SWE-sweep 9.6%、Terminal-Bench 4.0 65.2%、Agents' Last Exam 77.4%、AutomationBench 53.9%、Vending-Bench 2 银行余额 16,484 美元、GraphWalks 长上下文 96.2%、RiemannBench 80.0%，并在 CWE-bench（71.0%）、ExploitGym（54.8%）、SEC-bench Pro（88.2%）等网络安全基准上明显领先。例外是 FrontierSWE 2（GPT-6 Astra 65.5% 更高）与 OSWorld-2.1 离线子集（Claude Opus 5.5 的 87.2% 更高）。方法学页面见 deepmind.google 的 evals-methodology。
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