DialogueBench 实测视频对话剪辑:Gemini Neon 67.9% 险胜 GPT 6.2 Sol
MatthewBerman · x · 2026-11-20
Matthew Berman 发布 Scarlet Dialogue Eval:一个测试模型精准剪辑视频对话能力的新基准,对比 Gemini 4 Neon 与 Codex GPT-6.2 Sol,任务为 20 分钟 talking-head 视频剪辑,取两次运行平均。
- 综合分:Gemini Neon 67.9% vs GPT-6.2 Sol 64.5%(+3.4 分)
- 硬伤/10 分钟:13.3 vs 14.8(少 10%)
- 剪辑耗时:7.7 分钟 vs 11.7 分钟(快 34%)
- 分项上,Gemini 在 No wrong cuts(67.2% vs 34.7%)和 No mid-word cuts(24.6% vs 42.1%,越低越好)差异显著;Editorial Match 两者接近(82.4% vs 82.8%)
结论:Gemini Neon 综合略优且明显更快,但两者在词中切分上都还不可靠。
「模型」频道最新
- HardGeoBench 榜首模型 pass@1 突破 50%:无元数据照片定位考验 frontier 模型 — Afinetheorem · 2026-11-20
- Kevin Bryan 图像定位榜更新:GPT 6.2 Astra 成最强 OpenAI 模型 — Afinetheorem · 2026-11-20
- Gemini 跑数学任务网页卡死数分钟,长公式输出酿名场面 — jasondeanlee · 2026-11-20
- 知名开发者自述退学经历:称在 8GB 内存内也能逼近 SOTA 模型 — gnukeith · 2026-11-20
- 有开发者吐槽 GPT 6.2 Sol 编码很蠢:可能还不如 Luna — burkov · 2026-11-20
- Meta FAIR 开源可在双 Mac Studio 运行的前沿模型 Muse Spark Open — _dsevero · 2026-11-20