跳至正文
只看模型#評測/基準
  1. The Decoder88

    Google 發布 Gemini 4 Hydrogen，在 Argon 推出四週後評分超越更大的 Argon

    Google 發布 Gemini 4 Hydrogen，這是一款供開發者與一般使用者使用的快速通用模型，定價為每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元，並具備一百萬 token 的上下文視窗。Google 表示，Hydrogen 在預設的高思考等級下於 Artificial Analysis Intelligence Index 獲得 51 分，在新的 xhigh 等級下獲得 54 分，而更大的 Gemini 4 Argon 則為 50 分。Artificial Analysis 的獨立測試顯示，Hydrogen 在最高思考設定下大致與 Claude Sonnet 5.5 持平，但在代理式終端機工作方面較弱，於 Terminal-Bench 4.0 獲得 54%，而 Claude Sonnet 5.5 為 64%。

    推薦理由：據報導，Google 較便宜的 Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 上略勝更大的 Argon，而獨立測試顯示它在終端機任務上落後 Claude 與 GPT-6.1。

  1. Latent Space85

    Anthropic 發布 Claude Fable 5.2 與 Mythos 5.2，在 IPO 路演啟動之際重奪頂尖 LLM 地位

    Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2，在多數獨立排行榜上名列前茅，包括 Artificial Analysis Intelligence Index v5 的 65 分與 SemiAnalysis GDPx 的 16.4%。價格下調 20% 至每 100 萬輸入/輸出 token 8 美元/40 美元，但 SemiAnalysis 報告指出，每項 GDPx 任務的成本從 67.16 美元升至 88.15 美元，因為該模型會撰寫數百到數千個測試案例，並啟動子代理來檢查其工作。多項評估顯示，max effort 等級的表現不如 high，且 Fable 每週訂閱上限被限制在 50%。

    推薦理由：Anthropic 發布 Fable 5.2 與 Mythos 5.2，每 token 價格下調 20%，但獨立評估顯示每項任務成本更高，且 max-effort 設定的表現不如 high。

  1. Artificial Analysis Articles82

    Gemini 4 Carbon 登上 Artificial Analysis Intelligence Index v5 榜首，在 Coding Agent Index 排名第二

    Google 的 Gemini 4 Carbon 在 Artificial Analysis Coding Agent Index 上排名第五，得分 5（滿分 62），並在 9 項 Index 評估中的 4 項領先，包括 HLE-Diamond 和 Terminal-Bench-Science。1 從 4% 升至 11%；該模型正逐步向部分使用者推出，尚未公開發布。

    推薦理由：Gemini 4 Carbon 以 59 分登上 Artificial Analysis Intelligence Index v5 榜首，在 Coding Agent Index 上落後 Claude Opus 5.5 三分，並附有每項任務成本與幻覺數據供比較。

已經到底了