AISpot

搜尋

找到 2 筆;也可以試試 語意搜尋

Hacker News front page● 精選AI 評分92

Gemini 4 Carbon 發布:主打網路安全與長程任務,定價與 Argon 一致

Google 發布新一代前沿模型 Gemini 4 Carbon,稱其為最強模型,在 Artificial Analysis 智慧指數 v5.0 上以 59 分排名第一,重點提升網路安全與長程 agentic 任務能力。網路安全基準領先:SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%;WebDev Arena 以 1769 分(+89 elo)升至第 4,Terminal-Bench 4.0 作弊率降至 0%。

Hugging Face blog● 精選AI 評分74

CWE-bench v2 公開 100 個安全任務,Gemini 4 Argon 以 67.8% 領先

Collinear AI 發布 CWE-bench v2,公開 100 個針對真實開源倉庫的漏洞發現與修復任務,覆蓋 91 類 CWE,評分全部程式化、可復現,每道題另經人工複核並驗證能擋住對已知上游補丁的照搬。11 個受測模型中,Gemini 4 Argon 以 67.8% pass@1、81.0% pass@4 居首,Claude Opus 5.5 以 67.3% 緊隨;95 個任務至少被一個模型解出,但領先者仍有約 19% 的任務每次都失敗。