跳到正文
只看模型#评测/基准
  1. The Decoder88

    Google发布Gemini 4 Hydrogen，在Argon发布四周后得分超过更大的Argon

    Google发布了Gemini 4 Hydrogen，这是一款面向开发者和日常用户的快速通用模型，定价为每百万输入token 1.50美元、每百万输出token 7.50美元，上下文窗口为一百万token。Google称，Hydrogen在默认高思考级别下于Artificial Analysis Intelligence Index上得分为51，在新的xhigh级别下为54，而更大的Gemini 4 Argon为50。Artificial Analysis的独立测试显示，Hydrogen在最高思考水平下大致与Claude Sonnet 5.5持平，但在智能体终端任务上较弱，在Terminal-Bench 4.0上得分为54%，而Claude Sonnet 5.5为64%。

    推荐理由：据报道，Google更便宜的Gemini 4 Hydrogen在Artificial Analysis Intelligence Index上略胜更大的Argon，而独立测试显示它在终端任务上落后于Claude和GPT-6.1。

  1. Latent Space85

    Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2，在 IPO 路演启动之际重夺 LLM 榜首

    Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2，二者在多数独立排行榜上位居榜首，包括 Artificial Analysis Intelligence Index v5（65 分）和 SemiAnalysis GDPx（16.4%）。价格下调 20%，降至每 100 万输入/输出 token 8 美元/40 美元，但 SemiAnalysis 报告称，每项 GDPx 任务的成本从 67.16 美元升至 88.15 美元，因为该模型会编写数百到数千个测试用例，并启动子代理来检查其工作。多项评估显示，max effort 级别的表现不如 high，且 Fable 被限制为每周订阅额度的 50%。

    推荐理由：Anthropic 发布 Fable 5.2 和 Mythos 5.2，每 token 价格下调 20%，但独立评估显示每任务成本更高，且 max-effort 设置的表现不如 high。

  1. Artificial Analysis Articles82

    Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index v5，在 Coding Agent Index 上排名第二

    谷歌的 Gemini 4 Carbon 在 Artificial Analysis Coding Agent Index 上位列第 5。5（最高 62），并在 9 项 Index 评测中的 4 项领先，包括 HLE-Diamond 和 Terminal-Bench-Science。1 从 4% 升至 11%；该模型正面向部分用户推出，尚未公开可用。

    推荐理由：Gemini 4 Carbon 以 59 分登顶 Artificial Analysis Intelligence Index v5，在 Coding Agent Index 上落后 Claude Opus 5.5 3 分，并附有每任务成本和幻觉数据供比较。

已经到底了