Gemini Decision 1 跑分曝光：多数基准领先，校准误差仅 0.025
Angaisb_ · x · 2026-11-12
曝光的评测表显示 Gemini Decision 1（Decisions API）表现强劲：Jevbench 92.2%、Amazon ESCI 58.7%、New Yorker Caption 79.7%、PubMedQA 79.8%、Global-MMLU-Lite 86.0%、MMAU 71.8%、Video-MME 69.1%，多数项目领先 TypeSafe Jev 1.14、GPT-6 Luna 与 Gemini 3.5 Flash-Lite。
- 校准 Top-1 ECE 仅 0.0250，显著优于对手（0.0494/0.0721/0.2104）。
- 总价 $0.88，高于 TypeSafe Jev 的 $0.68，低于 GPT-6 Luna 的 $0.93。
- Mind2Web Multimodal 86.2% 与 When2Call 79.9% 略逊于 TypeSafe Jev。
所属事件:Gemini Decision 1 首测：知识推理居首但成本过高(6 条相关)→
「模型」频道最新
- The Zvi 发起 Gemini 4 Carbon 反应讨论:这东西到底值不值得深挖 — TheZvi · 2026-11-12
- Walden 发布机器人模型 Sage：产线干预间隔提升超 4 倍 — adnothing · 2026-11-12
- Gemini 无法只存聊天记录又退出训练，Google 把两者绑成一个开关 — arshdeep · 2026-11-12
- Gemini 4 Carbon Flex 档每 token 价格已与 GPT 6.1 Terra 持平 — mariofilhoml · 2026-11-12
- 实测：Kimi K3.1 Pro 单任务成本仅 Opus 5.5 的 1/5.4，价目表差距只有 2 倍 — Arindam_1729 · 2026-11-12
- Claude Fable 5.2 登顶 Agent Arena,净提升超第二名 1.5 倍 — daniel_mac8 · 2026-11-12