返回资讯中心
外部精选
软件工程
#社区热议

Gemini 4 Neon 登顶 Models Engineering Index 榜首

来源标题:Gemini 4 Neon is the new #1 on the Models Engineering Index

Gemini 4 Neon 以 69.5 分升至 Models Engineering Index 第一,超过 Fable 5.2 的 65.8 分和 Opus 5.5 的 63.1 分。该榜单同时列出各模型成本与 token 消耗,用于对比性能与代价。

Hacker Newshn-aarvin2026/11/19 · 今天6 分钟阅读

以下正文由 AI 翻译自 Hacker News(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

4 Neon 以 69.5 分登上 Models Engineering Index 榜首。Fable 5.2 以 65.8 分位居第二,Opus 5.5 以 63.1 分位列第三。6.2 Astra 得分 60.5,4 Hydrogen 得分 57.2,Sonnet 5.5 得分 57.2,6.2 Sol 得分 56.9,Wonder Full 得分 49.3,K3.1 Pro 得分 49.0,4-Max 得分 49.0,6.1 Terra 得分 47.2,Wonder 得分 46.4,V4.1 Flash 得分 44.1,Grok 4.7 得分 42.7,Haiku 5.5 得分 42.5,GLM 5.3 得分 42.0,Hy4 得分 37.3,V2.6-Pro 得分 35.4,6 Luna 得分 34.8。

成本倍率方面(以 4 Neon 为 1× 基准):6 Luna 为 0.065×,V4.1 Flash 为 0.13×,V2.6-Pro 为 0.13×,Hy4 为 0.33×,Haiku 5.5 为 0.4×,6.2 Sol 为 0.4×,6.1 Terra 为 0.83×,Wonder Full 为 1.1×,K3.1 Pro 为 1.2×,4 Hydrogen 为 1.2×,Wonder 为 1.3×,6.2 Astra 为 1.4×,4 Neon 为 1.9×,GLM 5.3 为 2.2×,Sonnet 5.5 为 2.5×,Opus 5.5 为 3.5×,Grok 4.7 为 3.9×,Fable 5.2 为 6.5×,4-Max 为 7.3×。

Token 用量倍率方面(以 4 Neon 为 1× 基准):6.2 Astra 为 0.29×,6.2 Sol 为 0.35×,Wonder Full 为 0.49×,6 Luna 为 0.62×,Wonder 为 0.63×,K3.1 Pro 为 0.74×,Grok 4.7 为 0.9×,V2.6-Pro 为 0.93×,4 Neon 为 1×,4 Hydrogen 为 1.1×,Hy4 为 1.1×,4-Max 为 1.2×,V4.1 Flash 为 1.4×,GLM 5.3 为 1.5×,Haiku 5.5 为 1.6×,Opus 5.5 为 1.7×,6.1 Terra 为 1.7×,Fable 5.2 为 2.1×,Sonnet 5.5 为 2.5×。

性能与成本或 token 用量的对比。

排名如下:

# 模型 指数 成本 Token
1 4 Neon(Google) 69.5 1.9× 1×
2 Fable 5.2(Anthropic) 65.8 6.5× 2.1×
3 Opus 5.5(Anthropic) 63.1 3.5× 1.7×
4 6.2 Astra(OpenAI) 60.5 1.4× 0.29×
5 4 Hydrogen(Google) 57.2 1.2× 1.1×
6 Sonnet 5.5(Anthropic) 57.2 2.5× 2.5×
7 6.2 Sol(OpenAI) 56.9 0.4× 0.35×
8 Wonder Full(Meta) 49.3 1.1× 0.49×
9 K3.1 Pro(Moonshot) 49.0 1.2× 0.74×
10 4-Max(Alibaba) 49.0 7.3× 1.2×
11 6.1 Terra(OpenAI) 47.2 0.83× 1.7×
12 Wonder(Meta) 46.4 1.3× 0.63×
13 V4.1 Flash(DeepSeek) 44.1 0.13× 1.4×
14 Grok 4.7(xAI) 42.7 3.9× 0.9×
15 Haiku 5.5(Anthropic) 42.5 0.4× 1.6×
16 GLM 5.3(Z.ai) 42.0 2.2× 1.5×
17 Hy4(Tencent) 37.3 0.33× 1.1×
18 V2.6-Pro(Xiaomi) 35.4 0.13× 0.93×
19 6 Luna(OpenAI) 34.8 0.065× 0.62×

各模型在各项基准上的得分(满分 100):

  • CursorBench:4 Neon 77.8、Fable 5.2 72.8、Opus 5.5 79.6、6.2 Astra 63.3、4 Hydrogen 77.3、Sonnet 5.5 74.2、6.2 Sol 80.8、Wonder Full 71.5、K3.1 Pro 79.9、4-Max 57.1、6.1 Terra 68.4、Wonder 71.3、V4.1 Flash 79.6、Grok 4.7 79.6、Haiku 5.5 71.5、GLM 5.3 70.9、Hy4 69.5、V2.6-Pro 66.9、6 Luna 63.1
  • FrontierCode:4 Neon 58.9、Fable 5.2 61.4、Opus 5.5 59.9、6.2 Astra 54.0、4 Hydrogen 36.9、Sonnet 5.5 55.0、6.2 Sol 78.9、Wonder Full 66.7、K3.1 Pro 50.8、4-Max 69.1、6.1 Terra 73.9、Wonder 62.8、V4.1 Flash 66.2、Grok 4.7 53.3、Haiku 5.5 47.7、GLM 5.3 63.2、Hy4 46.3、V2.6-Pro 27.8、6 Luna 65.4
  • Code Migration:4 Neon 64.0、Fable 5.2 41.5、Opus 5.5 49.1、6.2 Astra 56.1、4 Hydrogen 37.6、Sonnet 5.5 38.7、6.2 Sol 60.1、Wonder Full 49.4、K3.1 Pro 48.3、4-Max 33.7、6.1 Terra 29.2、Wonder 53.9、V4.1 Flash 37.8、Grok 4.7 44.0、Haiku 5.5 33.1、GLM 5.3 45.4、Hy4 35.3、V2.6-Pro 39.4、6 Luna 36.3
  • IOI:4 Neon 38.2、Fable 5.2 41.6、Opus 5.5 23.0、6.2 Astra 35.5、4 Hydrogen 34.3、Sonnet 5.5 28.3、6.2 Sol 41.1、Wonder Full 39.7、K3.1 Pro 65.3、4-Max 27.0、6.1 Terra 37.7、Wonder 51.0、V4.1 Flash 38.7、Grok 4.7 41.1、Haiku 5.5 39.2、GLM 5.3 37.1、Hy4 24.7、V2.6-Pro 29.6、6 Luna 19.7
  • ProgramBench:4 Neon 36.3、Fable 5.2 23.6、Opus 5.5 39.7、6.2 Astra 29.5、4 Hydrogen 26.9、Sonnet 5.5 37.1、6.2 Sol 36.3、Wonder Full 9.1、K3.1 Pro 27.4、4-Max 36.3、6.1 Terra 41.6、Wonder 23.0、V4.1 Flash 35.5、Grok 4.7 34.3、Haiku 5.5 28.3、GLM 5.3 41.1、Hy4 39.7、V2.6-Pro 65.3、6 Luna 27.0
  • Terminal-Bench:4 Neon 37.7、Fable 5.2 51.0、Opus 5.5 38.7、6.2 Astra 41.1、4 Hydrogen 39.2、Sonnet 5.5 37.1、6.2 Sol 24.7、Wonder Full 29.6、K3.1 Pro 19.7、4-Max 36.3、6.1 Terra 23.6、Wonder 39.7、V4.1 Flash 29.5、Grok 4.7 26.9、Haiku 5.5 37.1、GLM 5.3 36.3、Hy4 9.1、V2.6-Pro 27.4、6 Luna 36.3
  • Vibe Code:4 Neon 41.6、Fable 5.2 23.0、Opus 5.5 35.5、6.2 Astra 34.3、4 Hydrogen 28.3、Sonnet 5.5 41.1、6.2 Sol 39.7、Wonder Full 65.3、K3.1 Pro 27.0、4-Max 37.7、6.1 Terra 51.0、Wonder 38.7、V4.1 Flash 41.1、Grok 4.7 39.2、Haiku 5.5 37.1、GLM 5.3 24.7、Hy4 29.6、V2.6-Pro 19.7、6 Luna 36.3

数据来自 Cognition、Cursor、Laude Institute 和 Vals AI。源码见 GitHub。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →