Cursor 发布 CursorBench 4.0:Gemini 4 Carbon 60.4% 登顶,DeepSeek 每任务不到 1 美元
mattyp · x · 2026-11-18
Cursor 发布 CursorBench 4.0 榜单,用来自真实 Cursor 会话的模糊性、多文件任务评测各家 agent 模型,并给出得分、成本、token 用量与步数四个维度。关键看点:
- 榜首:Gemini 4 Carbon High 得分 60.4%($9.22/任务),Medium 档 60.1% 紧随其后
- 高价高分行:Fable 5.2 Max 得分 60.0% 排第三,但成本高达 $32.79/任务、218 步,性价比垫底;Opus 5.5 Max 57.8%($13.43)
- 性价比王:Opus 5.5 High 得分 56.0% 仅需 $3.97/任务;Sonnet 5.5 High 47.8% 只要 $1.20
- 极致低价:DeepSeek V4.1 Flash 1017 各档位 $0.60–0.98/任务,得分 44.9%–47.7%,Haiku 5.5 Extra High 低至 $0.56 但只有 44.3%
- Grok 4.7 Extra High 46.3%,Muse Wonder Max 50.4%
榜单揭示的规律:能力分差在头部几名内很小,但每任务成本相差近 60 倍,「够用且便宜」的中低档位正在挤压高档配置的生存空间。
「模型」频道最新
- 实测三款旗舰模型横评:Fable 5.2 仍最强,但并非全面碾压 — petergyang · 2026-11-18
- 实测 10701 个问题:Google 搜索改写 Gemini 近半品牌推荐 — dejanseo · 2026-11-18
- Salesforce 开源语音识别模型 SOV-Transcribe-1 登上 HF 热榜 — salesforce-sovereign-intelligence · 2026-11-18
- 实测 Gemini 4 Hydrogen:AI Mode 默认模型离了搜索几乎不认识任何品牌 — dejanseo · 2026-11-18
- OpenAI 员工回应 GPT-6.2 争议:网红评测用的是发布前旧版本 — i_dg23 · 2026-11-18
- Ruff 作者 Charlie Marsh:GPT-6.2 对我的工作是大跨越 — charliermarsh · 2026-11-18