待验证50% 置信基准精确时间
在统一使用Mini SWE辅助工具重测查找程序错误任务时,Gemini 4 Neon得分12.8%,GPT-6.2 Sol得分11.6%,差距约1个百分点。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/21
首次发现
有效期至:2026/12/5
来源
涉及实体
相关事实
待验证Google自家对比表将Neon与Claude Opus 5.5、GPT 6.2 Sol比较,19项测试中Neon赢了16项,输掉的三项是终端任务Terminal Bench、代码任务Frontier Code(均输给Opus)以及专业图表阅读(输给Sol),差距都在两个百分点以内。76% 相似待验证Gemini 4 Neon在Values指数上得分70.9%位列第二,Automation Bench以56.3%排名第一,长上下文测试Graphworks达到95.2%。74% 相似待验证在代码测试SWE Sweep中,Neon得分39%,Opus为10.1%;但若统一使用通用工具测试,Neon得分12.8%,与Sol的11.6%接近,说明39%的成绩得益于Google自家Anti-Gravity工具的优势。73% 相似待验证在Frontier Code编程基准上,旧模型得分34.4%,Gemini 3.7 Flash提升至43.6%72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1193618API
curl https://kongchang.com/api/v1/knowledge/claims/1193618MCP
get_claim(id=1193618)