gemini-3.8-flash high DeepSWE 超过 opus5 暂时登顶？

KK 2026-09-02 23:50 1

这真的还是我们的美国大豆包吗 ^-^

最新回复 (19)

deepcake 09-02 23:53

1楼

这怎么比谷歌官方自己测的还要高？
蛋炒饭 09-02 23:54

2楼

这么强，谷歌怎么没有高调宣传一下，难道他们想扮猪吃老虎^-^
Hifumi Mizuhara 09-02 23:54

3楼

谷歌官方的图在这里，这里看是没有到Opus 5的
ikb 09-02 23:55

4楼

输出143k + 166步还是有点高了，靠长输出长思考拿到的分数比较虚。token效率方面GPT还是绝对的王者。
114 09-02 23:55

5楼

这套题都快过拟合了吧，最近的模型都69%左右，该升级了吧，不然毫无参考价值，沦为野榜 ^-^
ikb 09-02 23:56

6楼

这个图里gemini的分可能是medium的
天则则 09-02 23:57

7楼

有咕噜咕噜的榜默认野榜就行了。

当年从 2.5Pro 开始刷分就没停过。
Hifumi Mizuhara 09-02 23:58

8楼

坏了，现在DeepSWE也是野榜了吗
koubibulaien 09-02 23:59

9楼

虽然token是两倍多，但是TPS比两倍还多呀，sol的TPS日常是三四十，flash的tps日常200起步
天则则 09-02 23:59

10楼

都让谷歌刷明白了，这套题也快退役了
Hifumi Mizuhara 09-02 23:59

11楼

价格也便宜两倍还多，总结上几乎无感
Hifumi Mizuhara 09-03 00:00

12楼

看起来Terminal Bench 4.0还没被刷明白，其他都刷的明白了
Elon1 09-03 00:00

13楼

这真的还是我们的美国大豆包吗 ^-^

计划有变，准备夺冠！

老将的力量这么强吗
Hifumi Mizuhara 09-03 00:01

14楼

看来大换血真的有点用，之前的GDM的人都在摸鱼吗
KK 楼主 09-03 00:01

15楼

埃隆，你家的 4.7 不是也要夺冠了吗 ^-^
ikb 09-03 00:02

16楼

虽然token是两倍多，但是TPS比两倍还多呀，sol的TPS日常是三四十，flash的tps日常200起步

不能这么比，同样的任务输出token多了步骤多了会给心智注意力带来很大压力的，长程任务很容易不稳。GPT 400K context能干你GEMINI 1M context能干的事还能干得更好，GEMINI跑到1M context脑袋都一团浆糊了。
吴亦Fan？ 09-03 00:03

17楼

哈吉米长任务就是废，深度体验过气死人！
Hifumi Mizuhara 09-03 00:05

18楼

GPT官方都建议限制在256k context哎
ikb 09-03 00:07

19楼

codex里默认的context大小整体是272K+128K=400K