FutureSim Q3 评测出炉:Gemini 4 Carbon 夺冠并自建世界杯预测模拟器
SamuelAlbanie · x · 2026-11-18
FutureSim Q3 季度评测收官,Gemini 4 Carbon 拿下第一。评测中它会自己动手构建模拟器,例如用来预测世界杯冠军,展现了较强的任务执行能力。
发布者指出 Q3 结果显示出持续学习(continual learning)能力的明显阶跃,而且主要体现在 in-context(上下文内)层面;另外 Inkling 2 Small 的排名上升也值得关注。
「模型」频道最新
- 微软 Ignite 发布 7 款 MAI 模型:以极低价格对标 GPT-6 性能 — marlene_zw · 2026-11-18
- Google 内部人士:CUA 能力与 OpenAI 差距缩至 0.9%,Agents' Last Exam 得 77.4% — allenainie · 2026-11-18
- 微软 Ignite 一口气发布七款 MAI 模型:Code 2 达 GPT-6.1 Sol 98% 质量仅 40% 价格 — testingcatalog · 2026-11-18
- K2 Horizon 发布 134 页技术报告:六个全开源模型从架构到推理全公开 — HongyiWang10 · 2026-11-18
- mitsuhiko 试用 GPT-6.2 Astra/Sol 后评价:「感觉还行,不惊艳」 — mitsuhiko · 2026-11-18
- GPT-6.2 Astra/Sol 口碑翻车:幻觉增多、速度变慢,被称「多年来最差发布」 — MicahBerkley · 2026-11-18