疑似 Gemini 4 Neon 跑分曝光:17 项评测大多领先 Claude 和 GPT
nevrekaraishwa2 · x · 2026-11-19
网传一张 Gemini 4 Neon 评测对比表(未证实):在 17 项基准上,Gemini 4 Neon 于大多数项目领先 Claude Opus 5.5 和 GPT-6.2 Sol,包括 GraphWalks 长上下文 95.2% vs 66.8%、SWE-sweep provider harness 39.0%、SEC-bench Pro 90.5%、WebExploitBench 51.3%、AutomationBench 56.3%;Claude 仅在 Terminal-bench 4.1(65.8%)和 FrontierCode 2.0(47.3%)小幅领先,GPT-6.2 Sol 在 Chartography 拿下 75.1%。如果属实,意味着 Google 新模型在 agentic 编码、网络安全与长上下文上大幅拉开差距。
「模型」频道最新
- 四款决策模型实测对比:d1.2-ultra 准确率持平对手、成本仅 1/4.7 — JosephJacks_ · 2026-11-19
- 260份文档实测:Gemini 3.8 Flash 以94.6分登顶文档抽取榜 — refractr · 2026-11-19
- K3.1 Pro 在 17 项基准中 14 项胜 K3,与 Opus 5.5 搭配省一半开销 — Kimi_Moonshot · 2026-11-19
- Simular box 刷 OSWorld v2 SOTA:80.7% 成功率、每任务仅 $1.79 — xwang_lk · 2026-11-19
- 北大发布人类行为预测基础模型,模拟人群反应超越前沿LLM — PekingUniversity · 2026-11-19
- 4.2 万 Star 开源项目 Heretic:不改权重训练,30 分钟消融模型拒答 — aigclink · 2026-11-19