AI 热点

Gemini 4 Neon (High) 在 Agent Arena Index 总榜排名第 2

Arena更新于 11月19日 09:28

Big news: Gemini 4 Neon (High) is the best @GoogleDeepmind model on the Agent Arena Index, ranking #2 overall and reshaping the Pareto frontier!

AI 导读

Gemini 4 Neon (High) 以1336 pts位列 Agent Arena Index 总榜第2,并成为排名最高的 Google DeepMind 模型。该成绩基于 Arena 全球社区的4.2k次真实智能体会话,单任务成本中位数为$2.82;其得分高于第3名 Claude Opus 5.5 (Max),单任务成本低53%。它在 Praise vs. Complaint、Steerability 和 Task Completion 三项指标中分别排名第2、第2和第3。

推荐理由

精选AI 评分 76

基于4.2k次真实智能体会话的成绩与单任务成本对照,为比较Gemini与Claude的能力成本平衡提供了具体坐标。

主题

标签

引用

Google DeepMind

@GoogleDeepMind

Gemini 4 Neon 现已开始推出。 它定位于 Carbon 和 Hydrogen 之间,具备前沿智能水平,能够快速完成复杂软件工程、知识工作和科学领域的任务。

查看原文

Gemini 4 Neon is rolling out now. Sitting between Carbon and Hydrogen, it brings frontier intelligence and fast task completion for complex software engineering, knowledge work, and science.

查看原帖

正文 · AI 翻译

重磅消息:Gemini 4 Neon (High) 是 Agent Arena Index 上表现最佳的 @GoogleDeepmind 模型,总榜排名第 2,并重塑了帕累托前沿!

基于 Arena 全球社区的 4.2k 次真实智能体会话,它以 1336 pts 超越了: - 第 4 名 Carbon (High):1303 pts - 第 9 名 Hydrogen (High):1271 pts - 第 11 名 Argon (High):1229 pts

Neon 以每项任务 $2.82 的成本中位数跻身 Agent Arena 帕累托前沿。它的得分高于第 3 名 Claude Opus 5.5 (Max),而每项任务的成本低 53%;与第 1 名 Claude Fable 5.2 (Max) 相比,每项任务的成本低 69%。帕累托前沿详见帖子串。

它在各项关键信号上表现强劲: - 表扬与抱怨比第 2 名:1539 pts(用户对智能体任务结果的满意度) - 可引导性第 2 名:1298 pts(智能体对用户纠正的响应程度) - 任务完成度第 3 名:1316 pts(用户明确确认任务成功完成)

它在 Code Arena、WebDev 和 Text Arena 中的排名见下方帖子串。

祝贺 @GoogleDeepmind 团队又一次重磅发布!

来源

Arena