1300+ 词联想线索实测：Google 模型胜 OpenAI，Anthropic 垫底
Hardicecream17 · reddit · 2026-11-04
一位开发者基于自建的 Word Spies（Codenames 式词联想游戏）做了模型横评：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，累计 1300+ 条线索，配图展示了游戏中 Claude Opus 5.5 给出 STONE 3 线索的实时评分与胜率分析界面。
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比例：Gemini 0-0.5%，GPT-6 0.8-1.9%，Claude 1.7-6%。廉价档关思考模式差距同样明显：GPT-6 Luna 16 局 14-2 胜 Claude Haiku 5.5。
局限：单一任务、评分部分依赖 LLM、旧版付费 API 模型不符合规律（Claude Opus 4.6 曾以 55 分居首）。作者猜测消费级用户数据规模可能解释 Google/OpenAI 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
- EdgeRock开源：常数内存推理，历史压缩至O(1)不再吃KV缓存 — eyishazyer · 2026-11-04
- EdgeRock-4B 固定记忆跑出 82.9% AIME,单 GPU 并发 512 长对话 — eyishazyer · 2026-11-04
- EdgeRock-4B 用固定三层记忆解 KV cache 膨胀:256K 上下文仅占 72MiB — eyishazyer · 2026-11-04
- Mistral 等开放厂商加推闭源 API，分析师称反映客户压力 — eliebakouch · 2026-11-04
- 博主晒海外 AI 数字员工分工：GPT 管后端、Claude 剪片、Gemini 写文案 — lxfater · 2026-11-04
- 印度 CERT-In 获准用 Claude 测试网络安全漏洞 — kingslyj · 2026-11-04