Gemini 4 横扫评测:WANDR 与 Riemann-Bench 双双 SOTA
gabriberton · x · 2026-11-02
多条第三方评测同时涌现,印证 Gemini 4 的强势表现:
- Perplexity CEO Aravind Srinivas 公布 Gemini 4 Carbon 早期评测:长文研究与答案质量为其见过最强模型,在 Wide-And-Deep-Research(WANDR)基准拿下新 SOTA(0.857,每任务 $5.86),将随 token 产能到位上线 Perplexity Pro/Max 的 Computer。
- Alex Dimakis 把 Gemini 4 Argon 加入 AutoResearchExam Pareto 曲线:在几乎相同的 ML 工程性能下,成本比其他前沿模型低 2-3 倍(每任务标价 $92.34,AUARC 0.594)。
- PapersWithCode 报告 Gemini 4 Carbon 在数学基准 Riemann-Bench 以 Pass@1 0.8 刷新 SOTA,领先 GPT-5.6 Sol(0.74)、GPT-6 Astra(0.72)、Claude Opus 5.5(0.7)。
发帖人感叹全网对 Gemini 4 一致好评,问自己是否身处信息茧房——配图给出了答案。
「模型」频道最新
- 封号损失 20 亿美元也要封：Anthropic 反蒸馏的经济账 — oran_ge · 2026-11-02
- ChatGPT 免费版里现在跑的是哪些模型?连重度用户都说不清 — iScienceLuvr · 2026-11-02
- 曝 Grok 将于 11 月 7 日起为 AI 生成文本嵌入隐形水印，以符合欧盟 AI 法案 — Polymarket · 2026-11-02
- GPT-6.1 medium 快速模式实测国际象棋谜题,演示视频曝光 — imjustnewatai · 2026-11-02
- 月费 220 欧的 Google AI Ultra 用户遭遇配额 bug:5 小时额度还剩 37% 就被断供 — Specific-Cause-1014 · 2026-11-02
- Liquid AI d1 决策模型实测:2B 小模型分类准确率碾压同级通用模型 — JosephJacks_ · 2026-11-02