agentzh
26-11-22 06:20 微博认证:OpenResty Inc 创始人

Google 最新发布的 Gemini 4 Neon 实测来了!这轮最亮眼的是修困难 bug。Neon XHigh 拿了 89.9%,只比 Claude Opus 5.5 max 低 0.2 个百分点,平均每题用时约为其三分之一。

这次用我司的 OpenResty Coding Evals 和 Bug-Hunting Evals,把 Neon 的 High、XHigh 两档与 Gemini 4 Carbon High、Argon High 以及 Claude Opus 5.5 的 xhigh、max 一起比较。前一套测写新代码,后一套测在复杂代码库里定位和修复困难 bug。下面的耗时均为平均每题用时。

1)写新代码,Neon 两档是这组最快的。
Neon High 拿了 81.6%,平均每题用时 8.5 分钟。同为 High,Argon 是 61.8%、14.5 分钟。把 Neon 调到 XHigh,分数升到 84.0%,平均每题 11.9 分钟,比 Carbon High 的 84.5% 只低 0.5 个百分点,每题少花 6.9 分钟。Opus 5.5 max 仍是这组最高分,88.6%,平均每题 47.4 分钟。

2)修困难 bug,Neon 两档都有看点。
Neon High 拿了 87.8%,平均每题用时 14.8 分钟。Carbon High 是 87.0%、49.3 分钟。Neon XHigh 再升到 89.9%,平均每题 24.8 分钟,比 Opus 5.5 xhigh 的 88.5% 高 1.4 个百分点,也比它的 43.7 分钟快。Opus 5.5 max 以 90.1% 居首,平均每题用时 75.0 分钟。

如果只看这轮,Neon High 的长处是速度,XHigh 则把修困难 bug 的分数拉到了接近 Opus 5.5 max 的水平。四张图里有完整的评分和耗时对比。

#Gemini##大模型评测##AI编程#

发布于 美国