AGI Hunt· OfirPress·· 2 小时前AI 评分67
Gemini 4 Neon 的 SWE-sweep 39% 成绩受到评测 harness 质疑
Gemini 4 Neon SWE-sweep 39% 引质疑:成绩强依赖评测 harness
AI 导读
第三方审视者质疑 Gemini 4 Neon 在 SWE-sweep 上宣称的最高 39% 成绩,称其强烈依赖评测 harness。该模型换成 mini-swe-agent 后成绩仅为 12.8%,与既有水平的差距明显缩小,成本与推理 scaling 等问题仍未解答;Google 此前已宣布 Gemini 4 Neon 上线 AI Studio 与 API。
来源:AGI Hunt · agihunt.info