4700 票盲测营销评测:GPT-6.2 综合领先,三家模型统计上打平
boringmarketer · x · 2026-11-21
Boring Marketing 发布迄今规模最大的 AI 营销能力评测:35 个真实品牌、110 份真实营销素材、4700+(其中模型间 660 票)盲评投票,评委来自 5 家实验室且从不给自己实验室的模型打分,用 Bradley-Terry 评分统计。
关键结论:
- 总体统计上三家打平:GPT-6.2 Sol(1022)、Claude Opus 5.5(999)、Gemini 4 Neon(979)的 95% 置信区间重叠,任何一家都可能排第 1 到第 3。
- 分项各有霸主:GPT-6.2 Sol 赢下社交帖(Ins 67%/X 65%),且总票数最高(15 项营销任务平均 58% vs Opus 52%、Gemini 40%),单价最便宜(每条约 $0.04);Opus 5.5 领先视频剪辑(77%)和 Meta 广告(64%);Gemini 4 Neon 领先视频广告(75%)和 YouTube 标题封面包装(61%)。
- 深度工作(页面、邮件、定位、方案)Sol 与 Opus 并列顶尖,Gemini 落后;文案裁判团偏向 Sol(57%),外部评委偏向 Opus(66%)。
- 最反直觉的一条:品牌自己的最佳作品在多数情况下仍打败全部三个模型。
作者称结果令其意外,尤其考虑到此前 OpenAI 6.2 系列口碑不佳。
所属事件:4700 票盲测营销能力:GPT-6.2 领先但三大模型打平(2 条相关)→
「模型」频道最新
- 用户实测 Astra 6.2:数学与经济建模能力超越前代,速度更快 — soumitrashukla9 · 2026-11-21
- Persimmon v0.1 Pro/Ultra 发布:多轮图灵测试得分从 18% 翻倍至 48% — gharik · 2026-11-21
- Google 上线首个交互式讲解器:浏览器里用 Gemma 4 学透 LLM 原理 — DynamicWebPaige · 2026-11-21
- InferenceBench 年度盘点:Anthropic 领跑半年,Google 近期强势反超 — maksym_andr · 2026-11-21
- 拟人模型怎么防诈骗?Persimmon 为用户模型从零建安全框架 — gharik · 2026-11-21
- Persimmon 拟人模型向所有人开放,团队致谢安全过滤器工作 — gharik · 2026-11-21