Gemini 4 公开编码任务登顶,私榜却跌至垫底

Hesamation · x · 2026-10-30

Artificial Analysis（经 Priors，10 月 29 日数据）同时公布了两份编码榜单的对比，排名出现罕见大洗牌：

• 公开任务 Terminal-Bench 4.0（66 题，pass rate）：Gemini 4 Carbon 以 65.2 排第一，Gemini 4 Argon 57.1 第二，Claude Opus 5.5 56.6 第三；Grok 4.7 仅 24.8 垫底。
• 私榜任务 FrontierCode 2.0（132 个私题，merge rate）：Gemini 4 Carbon 仍居首（40.6），GPT-6 Astra（40.1）、GPT-6.1 Terra（37.5）紧随；而 Gemini 4 Argon 暴跌至第 9（25.7），仅比 Claude Sonnet 5.5 高 0.01。

核心结论：Gemini 4 在公开编码任务上击败 Claude Opus 5.5，但在私有任务上输给了 Grok 4.7 等一众模型，两条榜单的排名几乎完全错位，提示公开基准与真实/私有任务表现存在明显分化。

原文链接 →

「编程与Agent」频道最新

• Comfy Studio 开源：给节点加标记即可把 ComfyUI 工作流变成创意应用 — Realistic_Win_9200 · 2026-10-30
• AI 生成 RSVP 站点后，TestSprite 自主产出 35 项浏览器测试 — alexisjross · 2026-10-30
• Reddit 网友:AI Agent 全年最大改变是让我睡整觉了 — ChemicalExcellent463 · 2026-10-30
• OpenAI DevDay 社区场 11 月 21 日落地斯德哥尔摩，送 $150 额度 — paw_lean · 2026-10-30
• 微软 PPCC26 主题演讲：Work IQ 打通业务应用间的上下文孤岛 — donasarkar · 2026-10-30
• 在ComfyUI里给AI视频打灯：拖拽摆放光源，LM翻译成精准提示词 — Holiday-Opposite8514 · 2026-10-30

更多「编程与Agent」频道 AI 资讯 →