DeepMind 官宣 Gemini 4 Hydrogen:附对比 Claude Sonnet 5.5 与 GPT-6.1 Terra 成绩单
GoogleDeepMind · x · 2026-11-13
Google DeepMind 官方发布 Gemini 4 Hydrogen,主打快速编程、多模态综合与日常工作流,任务完成速度比 3.8 Flash 快 2.5 倍,并在 Artificial Analysis Intelligence Index 上超过 Argon。
官方评测表与竞品对比:
- 智能体编码:SWE-sweep 13.5%(Claude Sonnet 5.5 为 3.1%、GPT-6.1 Terra 为 5.8%);Terminal-Bench 4.1(作弊调整后)57.0%,低于 Claude 的 63.9%
- 知识工作:Agents' Last Exam v1.1 71.6%、AutomationBench-AA 76.1%、Vending-Bench 2 银行余额 $14,549,均领先两家对手
- 计算机使用:OSWorld-2.1 离线子集 77.6%,低于 Claude 的 83.9%
- 多模态理解:MKA 53.4%、Chartography 66.6%,均居首
- 推理:HLE-Diamond 58.8%,高于 Claude 53.3% 与 GPT 47.3%;但 Terminal-Bench-Science 51.4% 落后于 Claude 59.9%
整体看,Hydrogen 在知识工作、推理与智能体编码上优势明显,但在终端操作与科学任务上仍逊于 Claude Sonnet 5.5。
所属事件:谷歌发布 Gemini 4 Hydrogen：比 3.8 Flash 快 2.5 倍(41 条相关)→
「模型」频道最新
- Perplexity Decider V1.3 决策模型 OpenRouter 限时免费至 11 月 19 日 — antoine_chaffin · 2026-11-13
- 模型命名太乱，开发者呼吁回归 small/medium/large — andpoul · 2026-11-13
- 微软 Copilot 接入 Anthropic Claude Fable 5.2，Cowork 与 Studio 可选 — luisdans · 2026-11-13
- benchmarks.bio 发布 TxBench 抗体开发榜单:Gemini 4 系列遥遥领先 — kenbwork · 2026-11-13
- 社区吐槽:OpenAI 晒神秘强模型两个月,就是不发布 — imjustnewatai · 2026-11-13
- Pro 用户实测 Fable:几分钟烧光 5 小时额度还没干完活 — CutBulkMaintain · 2026-11-13