Gemini 霸榜 Arena 日常聊天榜引质疑:是真好用还是评测偏差?
Balance- · reddit · 2026-11-19
Reddit 用户发帖质疑 Gemini 在 Arena Text 日常聊天排行榜(Arena Text leaderboard)上压过 Claude 与 OpenAI 的现象是否反映真实体验。配图显示 Gemini 4 Carbon (High) 以 1526 分居首,Gemini 4 Argon 1522 分列第二,Claude Opus 5.5 (High) 1507 分排第四;Daily Driver 榜为 MiMo-V2.6-Pro,Efficient 榜为 DeepSeek-V4-Flash。帖主征集 Gemini/ChatGPT/Claude 三家真实用户的对比体验,想弄清是模型真的更强,还是 Arena 的评测机制偏向 Gemini。
「模型」频道最新
- 隐性模型 Gestalt 登顶设计基准,领先第二名 Claude 214 分 — soleio · 2026-11-19
- mrfakename 发布 GLM-5.3-Flash 与 Qwen3.8-Flash-Next 去审查版 — mrfakename0 · 2026-11-19
- 医生观察:AI 竞争已按周计,GPT-6 两版仅隔 7 天 — ramos_casals · 2026-11-19
- 数据平台 micro1 上线泄漏检测模型,为基准分数保驾护航 — Exp_Mark · 2026-11-19
- 爆料:DeepSeek 本周或发新论文,11 月 11 日有排期 — teortaxesTex · 2026-11-19
- Gemini 4 Neon 开始灰度推送,界面曝光三大模型分层 — testingcatalog · 2026-11-19