Gemini 4 Carbon 两周登顶，公开与私有编码基准双第一
andimarafioti · x · 2026-10-31
Artificial Analysis 最新榜单显示，Google 的 Gemini 4 Carbon 在发布仅两周后即同时登顶两类基准：Terminal-Bench 4.0 公开任务 pass rate 65.2（第二名 Gemini 4 Argon 为 57.1），FrontierCode 2.0 私有任务 merge rate 40.6（GPT-6 Astra 40.1、GPT-6.1 Terra 37.5 分列二三）。作者 andimarafioti 认为这非但不让 Google 难堪，反而因 Carbon 推出之晚更显得出色。值得注意的是 Gemini 4 Argon 在私有任务上仅 25.7 掉至第九，与公开任务表现反差巨大，Claude Opus 5.5 两榜稳定在前五。
「模型」频道最新
- Anthropic 更名订阅档：Max 5x/20x 改称 Max 与 Ultra，Ultra 取消 5 小时限制 — claudeai · 2026-10-31
- DeepSeek 1017 CyberGym 仅提 0.6%,Flash 单任务成本低至 0.23 美元 — teortaxesTex · 2026-10-31
- Mistral 发布编码开源模型,Terminal Bench 超越 Kimi 与 DeepSeek — IsForAt · 2026-10-31
- DFlash2 草稿模型实测提速 17%，Q4 头仅 350MB 且支持视觉 — returnity · 2026-10-31
- 9 个模型各领 50 美元在 Kalshi 真金押注 midterm，AI 预测器开始赚钱 — karinanguyen · 2026-10-31
- 曝 Gemini 4 Carbon 实测:比 Opus 5.5 便宜 3 倍、快一倍以上 — vitaliychiley · 2026-10-31