Google今天发布Gemini 4 Neon刷屏了,目前我看到的时间线所有人都在为它站台。
但Ploty今天刚刚发布的成本-准确率的独立数据分析实测,43道题全对的情况下,还是很有意思的:
1、Gemini 4 Neon:满分,花了 $17.03,中位耗时 46 秒
2、Gemini 4 Hydrogen(上周发的弟弟):同样满分,只要 $6.36,耗时 32 秒
3、GPT-6.1 Sol:同样满分,只要 $2.61,耗时 18 秒
至于这两天大家都在吵的 GPT-6.2 Sol,在图上掉到了下面 93%($1.22) 那一档。搞笑的很,6.2 Sol 的 API 单价根本没降,账单砍半纯靠少干活——工具调用从 6.1 的 258 次缩到 158 次,结果最难的隐藏规律题丢了 3 分。
顺便提一句,Google 自己博客里写 Neon 在 SWE-sweep 上用 mini-SWE harness 只有 12.8%,换自家 Antigravity harness 直接飙到 39.0%。所以别光盯着模型跑分吵了,Harness 怎么调度很重要,还是自家公司懂自己模型的尿性。
补充下Ploty的背景:老牌数据可视化公司,这个榜是用自家真实 Agent 在不公开的 1,990 万行合成数仓上跑的,防背题、人工逐条复核,账单和工具调用次数非常直观。
Google今天发布Gemini 4 Neon刷屏了,目前我看到的时间线所有人都在为它站台。 但Ploty今天刚刚发布的成本-准确率的独立数据分析实测,43道题全对的情况下,还是很有意思的: 1、Gemini 4 Neon:满分,花了 $17.03,中位耗时 46 秒 2、Gemini 4 Hy
阅读:0
点赞:0