Gemini 4 Carbon 评测表流出,多榜碾压 GPT-6 与 Claude Opus 5.5
zacharynado · x · 2026-10-29
有网友放出一份 Gemini 4 Carbon 与 Gemini 4 Argon 的评测对比表(标注来源为 deepmind.google 的评测方法论页面),并配文称「最后一个能打的 Gemini 还是 2.5 Pro」。
表格要点:
- 通用能力:AA Index v5.0 上 Gemini 4 Carbon 59 分,领先 GPT-6 Astra(57)、Claude Opus 5.5(58)
- Agentic 编码:SWE-sweep 9.6% 居首,Terminal-Bench 4.0 65.2% 领先;FrontierSWEE 2 则由 GPT-6 Astra 以 65.5% 拿下第一
- 计算机使用:Agents' Last Exam 77.4% 第一,OSWorld-2.1 离线子集最高为 Claude Opus 5.5(87.2%)
- 知识工作:AutomationBench 53.9%、Vending-Bench 2 银行余额 $16,484 均居首
- 长上下文:GraphWalks(256k1M)达 96.2%,大幅领先竞品
- 数学与科学:RiemannBench 80.0% 第一
- 网络安全:SEC-bench Pro 88.2%、CWE-bench 71.0% 均为最高
总体上 Gemini 4 Carbon 在绝大多数榜单领先 GPT-6 Astra 与 Claude Opus 5.5/Fable 5.1,真实性待官方确认。
所属事件:谷歌发布 Gemini 4 Carbon：登顶 AA 榜，安全与长程能力 SOTA(83 条相关)→
「模型」频道最新
- Gemini 4 Carbon 基准曝光,TheZvi 改判 Argon 已非完全前沿 — TheZvi · 2026-10-29
- 预印本实测:人类审稿仅发现 27% 重大错误,15 个 AI 全部超越 — anshulkundaje · 2026-10-29
- Giotto 被扒基于 Kimi 训练，还禁用户发布自测成绩 — TheZachMueller · 2026-10-29
- Google 发布 Gemini 4 Carbon，两周内再登智能指数榜首 — The Decoder · 2026-10-29
- 截图曝 Google 官宣 Gemini 4 Carbon：下一代 frontier 模型先供网络防御者使用 — Snoo26837 · 2026-10-29
- Suhail 创办 Particle：particle-1 少用 45% token 保持性能持平 — ycombinator · 2026-10-29