1300+ 词联想线索实测：Google 模型胜 OpenAI，Anthropic 垫底
Hardicecream17 · reddit · 2026-11-04
一位开发者用 Codenames 式词联想游戏自建评测：一个模型给一词线索，队友模型猜词，按猜对自家词数与误触率打分，共累计 1300+ 条线索。
主要结果（平均线索得分，95% 置信区间）：
- Gemini 4 Argon：67±3，Gemini 3.8 Flash：64.5±2
- GPT-6.1 Terra：64±4，GPT-6 Astra：63±2，GPT-6.1 Sol：61±2.5
- Claude Opus 5.5：58±2，Sonnet 5：57±4，Fable 5.1：56±3
误触对方词或刺杀词的比例：Gemini 0-0.5%，GPT-6 0.8-1.9%，Claude 1.7-6%。廉价档关闭思考模式下差距同样存在：GPT-6 Luna 在 16 局对战中 14-2 大胜 Claude Haiku 5.5。
作者提醒局限：仅单一任务、评分部分依赖 LLM 评审，且旧版付费 API 模型（关思考）不符合该规律——Claude Opus 4.6 曾以 55 分居首。他猜测 ChatGPT 与 Google 庞大的消费级用户数据可能带来了语言关联上的优势。
所属事件:1300+ 条词联想线索实测：Google 模型夺冠，Anthropic 垫底(2 条相关)→
「模型」频道最新
- 开发者：前沿模型的教学能力「离谱」，让你秒懂新技能 — shauseth · 2026-11-04
- kalomaze：扩散模型自编码器太粗糙，低频信息或训练时就已丢失 — kalomaze · 2026-11-04
- 开发者吐槽：前沿模型都写不好一篇语气自然的英文 — A_K_Nain · 2026-11-04
- Pika H3 Flex 登顶 DesignArena,上线不到 24 小时社区已出 2 步 Turbo LoRA — _akhaliq · 2026-11-04
- 前 OpenAI 研究员:对齐是能力瓶颈,Claude 或已藏有未知能力 — arthurcolle · 2026-11-04
- BallotBench 模拟交易：Gemini 激进做多冲上 67 美元 — mariofilhoml · 2026-11-04