Dan Hendrycks 发布 Gemini 3 与 Claude Opus 4.5 多维评测
热点事件历史事件
Dan Hendrycks 发布 Gemini 3 与 Claude Opus 4.5 多维评测
2 篇报道1 个报道来源2025-11-26更新
先了解这件事
报道摘要
AI 研究者 Dan Hendrycks 在 X 上宣布发布「文本能力指数」与「视觉能力指数」两个新基准，用于追踪 AI 模型进展。图表显示 Gemini 3 Pro 在两项指标中均显著领先，文本能力得分 46.5，视觉能力得分约 57；其性能跃升幅度被作者称为‘长期最大飞跃’。榜单共涵盖 7 模型，包括 GPT-5.1、Sonnet 4.5、GroK 4 等。
摘自 Dan Hendrycks
最新进展11月26日 00:05
Dan Hendrycks 发布对比 Claude Opus 4.5 与 Gemini 3 的多维能力评测事件进展
2 个进展
- 11月26日 00:05 · 1 篇报道Dan Hendrycks 发布对比 Claude Opus 4.5 与 Gemini 3 的多维能力评测Dan Hendrycks：Dan Hendrycks 发布对比 Claude Opus 4.5 与 Gemini 3 的多维能力评测
- 11月20日 00:53 · 1 篇报道Gemini 3 Pro 在 Text Capabilities Index 与 Vision CapabilitiesDan Hendrycks：Dan Hendrycks 发布新基准，称 Gemini 3 是长期最大飞跃
报道时间线
沿着报道，了解事件的不同侧面。
11月26日
- Dan Hendrycks精选Dan Hendrycks 发布对比 Claude Opus 4.5 与 Gemini 3 的多维能力评测
AI 安全研究者 Dan Hendrycks 在 X 上发布对 Claude Opus 4.5 与 Google Gemini 3 的横向评测，包含文本、视觉与安全三个维度的指数得分。结果显示：在控制推理令牌数后，两者文本能力相当；Gemini 3 在图像/视觉任务上显著领先；而 Opus 在对抗性测试（如越狱、诚实性）中表现更优。图表显示了 7 模型的文本能力（Gemini 3 Pro 47.6 领先）、视觉能力（Gemini 3 Pro 57.1 最高）及安全指数（Opus 33.6 最低，即最安全）。
11月20日
- Dan Hendrycks精选Dan Hendrycks 发布新基准，称 Gemini 3 是长期最大飞跃
AI 研究者 Dan Hendrycks 在 X 上宣布发布「文本能力指数」与「视觉能力指数」两个新基准，用于追踪 AI 模型进展。图表显示 Gemini 3 Pro 在两项指标中均显著领先，文本能力得分 46.5，视觉能力得分约 57；其性能跃升幅度被作者称为‘长期最大飞跃’。榜单共涵盖 7 模型，包括 GPT-5.1、Sonnet 4.5、GroK 4 等。