Paweł Huryn के 105-बग परीक्षण में Gemini 4 Neon 63 अंकों के साथ पहले स्थान पर
Paweł Huryn का कहना है कि उन्होंने Gemini 4 Neon को उन्हीं दो रिपॉज़िटरी पर 105 दोबारा डाले गए बग के साथ चलाया, जिनका इस्तेमाल उन्होंने GPT-6.2 Astra के अपने पहले परीक्षण में किया था। उन्होंने मॉडल से कहा कि वह जितने बग ढूँढ़ और ठीक कर सके, करे। उनके अनुसार, xhigh effort पर Neon नए #1 स्थान पर है और GPT-6.2 Astra से आगे है।
उनके स्कोर:
- Gemini 4 Neon (xhigh): 63
- GPT-6.2 Astra (max): 62.7
- GPT-6.2 Astra (xhigh): 60.2
- Claude Fable 5.2 (max): 58
- Gemini 4 Carbon (high): 57.3
- Gemini 4 Neon (high): 57
- Gemini 4 Carbon (medium): 56
Huryn का कहना है कि medium और low effort पर Neon के नतीजे थ्रेड में बाद में साझा किए जाएंगे। ये उनके अपने नतीजे हैं और यह एक ही परीक्षण है; 19 नवंबर तक X पर पोस्ट को 1,053 पॉइंट मिले थे।
स्रोत
ऐसी ख़बरें push में पाएँ।
आपके टूल्स में कुछ बदलते ही AI Tracker आपको अलर्ट करता है।