自称谷歌员工爆料:Gemini CUA 与 OpenAI 差距缩至0.9%
allenainie · x · 2026-11-18
一位自称参与 Gemini 工作的账号 allenainie 发帖称,自己参与了 Gemini 在 CUA(计算机使用/agent 能力)上的追赶,「现在与 OpenAI 不相上下」。配图是 Agents' Last Exam v1.1 榜单:Gemini 4 Carbon 得分 77.4%,距 GPT-6.2 Astra 刚发布的 78.3% 仅差 0.9%——从落后 6 个月到 3 个月再到几乎持平。榜单还显示 Claude Fable 5.2 单任务成本高达约 60 美元,Claude Opus 5.5 约 15 美元,而 Gemini 与 OpenAI 的新模型把成本压在几美元以内;脚注注明 Fable 5.2 的成绩剔除了 9 个使用 fallback 模型的任务。爆料本身未经证实,但榜单数据信息量大。
「模型」频道最新
- OpenAI 内部秘密:工程师用 Astra for Law 写 PRD 和设计文档 — sherwinwu · 2026-11-18
- 爆料分析:GPT-6.2 Astra 并非 Bel,或为 6 系改进版,Bel 明年才来 — haider1 · 2026-11-18
- 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
- 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