传闻 Gemini 4 Neon 基准全面领先 Claude Opus 5.5 与 GPT-6.2
kristoph · x · 2026-11-19
开发者 kristoph 感叹「六个月前 Google 被唱衰,现在正强势翻盘」,并附上一张 Gemini 4 Neon 与 Claude Opus 5.5、GPT-6.2 Sol 的基准对比表(出处标注为 DeepMind 评测方法页,模型名称未获官方证实,可信度存疑)。
图中关键数据(Gemini 4 Neon 多项领先):
- 能力指数:AA Index 61(对比 59/57),Vals Index 70.9%
- 智能体编码:CursorBench 65.4%,Terminal-bench 65.2%,SWE-sweep provider harness 39.0%(远超 10.1%/8.3%)
- 知识工作:AutomationBench 56.3%,Agents' Last Exam 75.8%
- 科学数学:RiemannBench 84.0%,HLE-Diamond 71.3%
- 长上下文:GraphWalks(256k-1M)95.2%,大幅领先 66.8%/80.1%
- 网络安全:SEC-bench Pro 90.5%,WebExploitBench 51.3%(对比 37.1%)
- Claude Opus 5.5 仅在 Terminal-bench、FrontierCode 2.0 略胜;GPT-6.2 Sol 在 Chartography 领先。
所属事件:Gemini 4 Neon 评测流传:跑分居首且成本更低(3 条相关)→
「模型」频道最新
- 开发者实测:Astra 6.2 真实体验远逊跑分,实际成本反低于 6.1 — bindureddy · 2026-11-19
- 早期测试者集体吐槽 GPT-6.2 Astra:好用不再,但 OpenAI 不封口 — paw_lean · 2026-11-19
- Gemini 4 Neon 单任务 $6.44:比 Carbon 便宜 17%,但仍是 Astra 的 1.6 倍 — ArtificialAnlys · 2026-11-19
- Gemini 4 Neon 编程 Agent 得 59 分,追平 Claude 旗舰且成本近半 — ArtificialAnlys · 2026-11-19
- Gemini 4 Neon 呈现质量 Elo 1771 创纪录,但 Briefcase 总分仍落后 Claude — ArtificialAnlys · 2026-11-19
- Gemini 4 Neon 编程 Agent 追平 Claude Opus 5.5,成本仅其一半左右 — ArtificialAnlys · 2026-11-19