待验证50% 置信观点精确时间
编程博主Theo测试后指出，Gemini 4对其代码库的判断一半以上是错误的，在7个测试模型中唯一错误超过半数。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/14
首次发现
有效期至：2026/10/28
来源
涉及实体
相关事实
待验证在285次实测运行中，Gemini取得283次语义通过、2次语义部分通过、0次可复现语义失败69% 相似待验证在100道加试题中，Gemini 4答对50道、错8道、42道回答不知道；GPT-6 Astra答对63道、错19道。69% 相似待验证在360条干净文本测试中，Jev仅误判1次，gpt-5-mini误判1次，Gemini 2.5 Flash-Lite和Gemma各误判2次，gpt-oss-safeguard-20b误判4次，Llama Guard 4误判26次。68% 相似待验证所有Claude、GPT-6.1和Gemini模型都在实验中拿到12/12满分，252次尝试中仅1次意外冒充回复66% 相似待验证Gemini 4 Argon 在工作流程自动化测试中达到 51.3%，第二名只有 42.5%。66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1030258API
curl https://kongchang.com/api/v1/knowledge/claims/1030258MCP
get_claim(id=1030258)