您的当前位置:首页>科技咨询>资讯详情

谷歌杀回来了!新版Gemini跑分超o1登顶第一,CE

发表于:2024-11-15 15:00:05 浏览:40次 发布者: 网易互联网

鲨疯了!谷歌新版Gemini超越o1,强势登顶竞技场总榜第一!

在经6000+网友匿名投票后,不仅数学成绩和学霸o1相当,还拿下其它5个单项第一。



新模型名为Gemini(Exp 1114),成绩一公布,连CEO皮猜也亲自飞奔来站台。



而竞技场官方也在第一时间公布喜讯,并祝贺谷歌:

恭喜达到这一非凡里程碑!



这下尴尬了!说好的谷歌正在遭遇瓶颈呢?没想到人家反手就是一个王炸。

怕了怕了,或许,只有OpenAI立即发布满血版o1才能与之一战了?



目前新模型可在谷歌AI Studio体验,官方后续也计划提供API。



网友们也纷纷猜测,难道这就是传说中的Gemini 2——

拿下7项第一,数学也和o1不分伯仲

一夜之间,竞技场Imsys排名再被刷新:

从总榜来看,谷歌新模型Gemini(Exp 1114)分数直涨40+,挤下了之前一直霸榜的OpenAI模型(包括o1-preview、GPT-4o)。



而且假如正面1v1遇敌,新Gemini貌似都有一半及以上概率取胜。

整体胜率热图显示,Gemini(Exp 1114)对战4o-latest胜率为50%,对战o1-preview胜率为56%,对战Claude-3.5-Sonnet胜率为62%。



同时,Gemini(Exp 1114)在单项上也很能打,一举拿下6个第一,包括:

  • 复杂提示(Hard Prompts):模型处理复杂或困难提示的能力;
  • 数学;
  • 创意写作;
  • 指令遵循:评估模型遵循给定指令的能力;
  • 长查询处理(Longer Query):衡量模型处理较长查询的能力;
  • 多轮对话(Multi-Turn):模型在多轮对话中保持上下文连贯性的能力;



要说最大看点,还是Gemini(Exp 1114)竟能与o1模型在数学能力上不分伯仲

要知道,据OpenAI官方说法,o1不需要专门训练,就能直接拿下数学奥赛金牌,甚至可以在博士级别的科学问答环节上超越人类专家。



不过比较遗憾的是,对于写代码这项重磅功能,Gemini(Exp 1114)虽说相较于谷歌上一版本有所改进,但仍然未能挤进前三。(o1-mini/preview仍处于领先地位)



另外,在风格控制下,Gemini-Exp-1114也和前三无缘,甚至不及自家的Gemini-1.5-pro。(排在o1、4o-latest和Sonnet之后)

解释一下,风格控制(Style Control)是竞技场今年新推出的功能,确保分数反映模型真正解决问题的能力,而不是用漂亮的格式、增加回答长度。



不过也有意外之喜,Gemini-Exp-1114这一次在视觉能力上拿下第一,超越了GPT-4o。



整体看下来,对于谷歌这次的反超,大家也感到十分意外。







目前,Gemini-Exp-1114已经可以在谷歌AI Studio体验,且官方计划后续提供API。





这不,有很多网友已经上手测试了,但好像争议蛮多——

网友反应不一

先总结一下,通过网友测试,目前可知Gemini-Exp-1114的以下信息:

  • 拥有32k上下文窗口
  • 模型回答知识截止日期为2023年4月,但回答结果会不一样
  • 加上了思维链

其中,32k上下文被大家狠狠吐槽。有人直言相比200万上下文窗口的Gemini 1.5,搁这儿不升反降呢!



兴许是感受到大家的怨怼了,谷歌AI Studio负责人赶紧出来打圆场:马上更!马上更!



安抚好众人情绪后,大家终于乐颠颠晒起了使用反馈。

透过其中一位小哥的观察,Gemini-Exp-1114这次也是用上了思维链,在回答时也能像人类一样一步步思考了。



而且,在数学能力上确实不错?

Gemini-Exp-1114正确回答了2024美国数学奥林匹克预选赛II 1-8题。



甚至相对弱项的编码,也有人第一次尝试就成功了。



然而,翻车总是难免的。

有人问了基准测试中的物理问题,结果Gemini-Exp-1114虽然有思维链加持,却仍然回答错误。



甚至老生常谈的数字比大小和数草莓中的“r”,竟还是失败。



更搞笑的是,有人问Gemini-Exp-1114“你叫什么?”

结果回答了claude(doge)。



实际上,大家一直在猜测Gemini-Exp-1114会不会是传说中谷歌计划更新的Gemini 2。





但根据实测,相当一部分网友出来表示否定

毕竟,它好像连旧版1.5 Pro会的问题也无法解决。



更有人声称,这是谷歌推迟发布更大模型(即Gemini 2)的策略,先弄一个残血版让大家玩玩,这样就别急着催更了。



结合CEO皮猜顺势放烟雾弹的做法,好像又有点道理(doge)!

猜你喜欢

首汽约车被曝司机拒载,司机还称“投诉也没用”
首汽约车被曝司机拒载,司机还称“投诉也没用”
发表于:2025-02-08 浏览:26 发布者: 网易互联网
国产数据库软件刷新两项世界纪录
国产数据库软件刷新两项世界纪录
发表于:2025-02-27 浏览:21 发布者: 网易互联网
三星Galaxy Z Fold特别版供不应求,韩国开售后10分钟售罄
三星Galaxy Z Fold特别版供不应求,韩国开售后10分钟售罄
发表于:2024-11-02 浏览:40 发布者: 砍柴网
AIGC应用加速,三个平台看大语言模型在电商领域
AIGC应用加速,三个平台看大语言模型在电商领域
发表于:2024-11-11 浏览:42 发布者: 网易互联网
京东,换一种方式做低价
京东,换一种方式做低价
发表于:2024-11-07 浏览:44 发布者: 网易互联网
扎根一线的刘强东,给京东业绩刷了个“火箭”
扎根一线的刘强东,给京东业绩刷了个“火箭”
发表于:2025-05-16 浏览:14 发布者: 网易互联网
小扎回应Llama4对比DeepSeek:榜单有缺陷,等推
小扎回应Llama4对比DeepSeek:榜单有缺陷,等推
发表于:2025-04-30 浏览:14 发布者: 网易科技
京东外卖拟投入20亿元为达标骑手送15万台二轮车
京东外卖拟投入20亿元为达标骑手送15万台二轮车
发表于:2025-07-17 浏览:8 发布者: 网易互联网
小米:SU7暂无推出Ultra运动套件、赛道大师的计划
小米:SU7暂无推出Ultra运动套件、赛道大师的计划
发表于:2024-11-12 浏览:44 发布者: 快科技官方
突传重磅!阿里、百度、腾讯集体官宣!
突传重磅!阿里、百度、腾讯集体官宣!
发表于:2025-02-04 浏览:34 发布者: 网易互联网