Gemini 4 Hydrogen 榜单曝光:SWE-sweep 13.5%、HLE-Diamond 58.8% 领先对手
XueFz · x · 2026-11-13
流传的 Gemini 4 Hydrogen 评测表(注明 deepmind.google 方法论)与 Claude Sonnet 5.5、GPT-6.1 Terra 横评，网友调侃「gpt 5.4 mini 团队注意，Gemini 4 追得很紧」。
表中亮点(Gemini 4 Hydrogen):
- Agentic coding:SWE-sweep 13.5%(对手 3.1%/5.8%),Terminal-Bench 4.1(防作弊调整)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
- Computer use: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% 领先
- 推理：HLE-Diamond 58.8%(53.3%/47.3%)
- 科学数学：Terminal-Bench-Science 0.1 51.4%,低于 Claude 的 59.9%
整体：agent 与推理类领先，部分编码与科学类仍落后 Claude。
所属事件:Gemini 4 Hydrogen 评测流出：小尺寸近旗舰智能，成本大降(26 条相关)→
「模型」频道最新
- 网友称找到取证证据：DeepSeek 等四大中国 AI 实验室用被禁运的 Blackwell 芯片训练 — LeviTurk · 2026-11-13
- OpenSearch 首个 600M 稠密嵌入模型 MTEB 反超 Qwen3 基座 — tomaarsen · 2026-11-13
- 训练 46M 参数卢干达语小模型：两轮对话即崩溃 — weskambale · 2026-11-13
- 3090 跑 Nemotron Bolt 达 70 tok/s，作者安利 Nvidia 开源模型生态 — samajhdar-bano2 · 2026-11-13
- 初创 Navi 在 OfficeQA Pro 拿 73.3%，同一 Opus 模型跑赢前沿实验室 — ycombinator · 2026-11-13
- 国内 Claude 求生指南:弹 KYC 即弃号,风控看开号环境 — jiayuan_jy · 2026-11-13