Gemini 4 Hydrogen 小模型 SWE-sweep 达 13.5%，远超同级对手
marktenenholtz · x · 2026-11-13
marktenenholtz 称赞 Google DeepMind 新成绩：Gemini 4 Hydrogen 在 SWE-sweep 上拿下 13.5%，对小尺寸级别的模型而言是非常突出的结果。配套基准表显示其多面表现：
- Agentic coding：SWE-sweep 13.5%（Claude Sonnet 5.5 为 3.1%、GPT-6.1 Terra 为 5.8%），Terminal-Bench 4.1（防作弊调整后）57.0%，低于 Sonnet 5.5 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，均领先两对手。
- 其他：OSWorld-2.1 离线 77.6%（Sonnet 5.5 83.9% 更高）、MKA 53.4%、Chartography 66.6%、HLE-Diamond 58.8% 领先。
整体看 Gemini 4 Hydrogen 在大多数基准上领先，但 Terminal-Bench 与 OSWorld 仍落后于 Sonnet 5.5。
所属事件:Gemini 4 Hydrogen 评测曝光，SWE-sweep 13.5% 领跑同级(3 条相关)→
「模型」频道最新
- 开发者称发现 GPU 隐形指纹,指中国四大 AI 实验室用禁运 Blackwell 训练 — cis_female · 2026-11-13
- 爆料称中国主要模型均在 Blackwell 级芯片上训练,但规模令人失望 — teortaxesTex · 2026-11-13
- 实测:$200 Claude 订阅上月用了 4988 美元 API 额度的 token — jonathan_wilke · 2026-11-13
- 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