配图疑泄 Google「Gemini 4 Hydrogen」跑分表，对垒 Claude Sonnet 5.5 与 GPT-6.1 Terra

ColbyHawker · x · 2026-11-13

账号 ColbyHawker 发帖称「Gemini 4 Hydrogen 为快速执行而生」，并附一张标注来源为 deepmind.google 的评测对比表，与 Claude Sonnet 5.5、GPT-6.1 Terra 横评。该模型此前未见官方发布，疑似未证实的爆料或伪造跑分。

表中 Gemini 4 Hydrogen 领先项包括：SWE-sweep 13.5%、Agents' Last Exam v1.1 71.6%、AutomationBench-AA 76.1%、Vending-Bench 2 银行余额 $14,549、MKA 53.4%、Chartography 66.6%、HLE-Diamond 58.8%；落后项包括 Terminal-Bench 4.1（57.0% vs Claude 63.9%）、OSWorld-2.1（77.6% vs Claude 83.9%）、Terminal-Bench-Science 0.1（51.4% vs Claude 59.9%）。

原文链接 →

「模型」频道最新

• AA 机器人榜 v0.1:Gemini 4 Hydrogen 居 Google 首位、总排第四 — ArtificialAnlys · 2026-11-13
• 4689 次 Agent 实测:DeepSeek V4 爱争辩,Gemini 3.8 Flash 静默出错 — Kindly-Bag763 · 2026-11-13
• 分析师研判 DeepSeek V4:Flash 版大获成功,V5 或走超高效小参数路线 — teortaxesTex · 2026-11-13
• 交互即裁判：纯交互奖励微调 Qwen-3.5-9B 胜率提升 6.7pp — arena · 2026-11-13
• vLLM 上线 Thinking Machines 新模型 Inkling-2-Small:594B MoE、1M 上下文、单卡 1100 tok/s — vllm_project · 2026-11-13
• OpenAI 网络安全模型 PatchBench 79.1%,被嘲「网络图表罪」 — moyix · 2026-11-13

更多「模型」频道 AI 资讯 →