Gemini 4 Neon 17 项基准中 15 项胜过自家 Carbon,全表对比放出
lyraxana · x · 2026-11-19
作者整理放出 Gemini 4 Neon 的官方成绩表,并新增 Gemini 4 Hydrogen、Carbon、Argon 三款自家模型的对比列(数据来自公开榜单与模型卡,截至 11 月 18 日):
- Neon 在 17 项共享基准中的 15 项超过 Carbon
- 对比 Claude Opus 5.5 与 GPT-6.2 Sol:Neon 在几乎全部报告评测中领先,仅 Terminal-bench 4.1(65.2% vs 65.8%)和 FrontierCode 2.0(46.2% vs 47.3%)小幅落后 Opus 5.5,Chartography 逊于 Sol
- 亮点成绩:GraphWalks 长上下文 95.2%、SEC-bench Pro 90.5%、Agents' Last Exam 75.8%、HLE-Diamond 71.3%
- 各项均附方法论脚注,标注哪些为官方数字、哪些为自编译或自算
注意「Neon 全面领先」应打折扣:几个编码基准上 Opus 5.5 仍略占优,且不少数字来自不同 harness,可比性有限。
所属事件:Gemini 4 Neon 跑分表流出:多项基准领先 Opus 5.5 与 GPT-6.2 Sol(6 条相关)→
「模型」频道最新
- 实测 Gemini Neon 回答「最佳 AI SEO 课程」:直接点名哪些课是换皮老货 — gaganghotra_ · 2026-11-19
- 「Neon 全面领先所以更好?」scaling01 讽刺榜单不能代表真实体验 — scaling01 · 2026-11-19
- 微软发布 MAI Realtime 1:语音对话低至 $0.01/分钟,宣称超 GPT Realtime 2.1 — alexcovo_eth · 2026-11-19
- Gemini 4 Neon 疑似上线,DeepMind 研究员晒 1-shot 演示:最高 7/10 — SamuelAlbanie · 2026-11-19
- 144 块 H200 训 18 天:DaisyRose-27B 把 Terminal-Bench 从 5.6% 提到 12.0% — ying11231 · 2026-11-19
- 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