Gemini(Google) — Gemini 3.1 Pro Preview 喺LM Council「無工具」排行榜以46.4%領先,贏GPT-5.4 Pro嘅44.3% 。發布時喺16個benchmark中有13個拎到最高分 ,包括推理(GPQA Diamond 94.3%)同數學(AIME 2025 95.0%)。
DeepSeek V4 — 喺推理(GPQA Diamond 89% vs. 92.8%)同數學(AIME 91% vs. 94.6%)上好有競爭力,係領先嘅開放權重選擇 。
| 任務 | 最佳模型 | 同GPT比較 |
|---|---|---|
| 知識工作/桌面agent | GPT-5.4 | 領導地位 — GDPval 83%,首次超越人類喺OSWorld(75%) |
| 編程(SWE-bench Pro) | GPT-5.4 xHigh | 59.10% — 公開排行榜第一 |
| 編程(Arena 對戰) | GPT-5.5 | coding-arena 中最強 |
| 推理(GPQA Diamond) | Gemini 3.1 Pro | 94.3% — 贏GPT-5.4嘅92.8% |
| 數學(AIME 2025) | Gemini 3.1 Pro | 95.0% — 微贏GPT-5.4嘅94.6% |
| 綜合排名 | Claude Mythos 5 | 分數99,頂級GPT模型喺80-90分範圍 |
冇一個模型可以話「全面好過GPT」— 前線已經多元化,最佳選擇取決於你嘅具體用途。
Gemini(Google) — Gemini 3.1 Pro Preview 喺LM Council「無工具」排行榜以46.4%領先,贏GPT-5.4 Pro嘅44.3% 。發布時喺16個benchmark中有13個拎到最高分 ,包括推理(GPQA Diamond 94.3%)同數學(AIME 2025 95.0%)。
DeepSeek V4 — 喺推理(GPQA Diamond 89% vs. 92.8%)同數學(AIME 91% vs. 94.6%)上好有競爭力,係領先嘅開放權重選擇 。
| 任務 | 最佳模型 | 同GPT比較 |
|---|---|---|
| 知識工作/桌面agent | GPT-5.4 | 領導地位 — GDPval 83%,首次超越人類喺OSWorld(75%) |
| 編程(SWE-bench Pro) | GPT-5.4 xHigh | 59.10% — 公開排行榜第一 |
| 編程(Arena 對戰) | GPT-5.5 | coding-arena 中最強 |
| 推理(GPQA Diamond) | Gemini 3.1 Pro | 94.3% — 贏GPT-5.4嘅92.8% |
| 數學(AIME 2025) | Gemini 3.1 Pro | 95.0% — 微贏GPT-5.4嘅94.6% |
| 綜合排名 | Claude Mythos 5 | 分數99,頂級GPT模型喺80-90分範圍 |
冇一個模型可以話「全面好過GPT」— 前線已經多元化,最佳選擇取決於你嘅具體用途。