Tabbit
活动资源博客模型
Tabbit LogoTabbit

Tabbit — 为你工作的 AI 浏览器

主题资源

  • 浏览器排行榜
  • AI 浏览器指南
  • 浏览器对比
  • 浏览器测评
  • 浏览器替代方案
  • 浏览器专题目录
  • Agentic 浏览器
  • 下载与安装
  • 浏览器效率
  • SillyTavern 模型指南

热门指南

  • Best Browsers 2026: Top 10 Ranked & Compared
  • Best Free AI Browsers 2026: Plans & Prices Compared
  • Rabbit Browser: What It Is & Why Tabbit Is Better
  • Firefox vs Chrome 2026: Privacy, RAM & Speed Compared
  • Best Lightweight Browsers 2026: 7 Tested for RAM & Speed
  • AI Browser List 2026: 10 Browsers Compared
  • Neobrowser: Norton Neo, Download & Alternatives
  • Edge vs Chrome 2026: Speed, RAM & Battery Tested
  • Best Internet Browser for Android 2026
  • Best AI Browser 2026: Top 9 Tested & Ranked

活动

  • 别装了,你在《牛来》里早有原型
  • Tabbit 妙招大赛
  • KPOP SBTI 饭圈人格测试
  • Tabbit 校园共创者计划
  • fifi 的论文文献妙招精选
  • 用户问卷

关于

  • Tabbit 博客
  • 媒体报道
简体中文
简体中文English
测评
媒体Gemini 4 Carbon

CursorBench 4.0:Gemini 4 Carbon 多文件工程任务表现

原始来源

Cursor 官方 CursorBench 排行榜

作者Cursor(Anysphere);页面未注明个人作者

原文日期2026-09-10

Tabbit 整理2026-09-10

查看原文

一句话结论

在 2026-11-16 访问的 CursorBench 4.0 榜单快照中,Gemini 4 Carbon High 得分 60.4%,列第 1;Medium 为 60.1%,列第 2;Low 为 58.6%,列第 4。该榜单针对 Cursor 会话中的歧义、多文件工程任务,不能代表所有软件开发任务。

适用场景

  • 适合判断的任务:比较 CursorBench 4.0 页面所列模型配置在多文件、较长流程工程任务上的得分、每任务成本、token 用量和步骤数。

  • 不适合外推的任务:不能据此推断单文件代码生成、特定语言或仓库上的成功率,也不能外推到其他 Agent、IDE、模型接口或不同任务集。

  • 适用的模型版本:榜单显示的 Gemini 4 Carbon High、Medium、Low。页面未提供底层模型 API ID 或修订号。

  • 测试环境或客户端:Cursor 内部评测套件 CursorBench 4.0;使用 Cursor 任务和其 Agent 执行环境。更具体的客户端版本、任务运行环境及工具配置未注明。

  • 推理档位和参数:High、Medium、Low;采样参数及具体推理配置未注明。

测评方法

Cursor 将 CursorBench 描述为来自真实 Cursor 会话的多文件、含歧义任务。4.0 的更新记录称新增了长流程问题,覆盖编辑、重构、调查、意图理解、管理作业和遵循设计要求。页面说明分数越高越好;同时报告每任务平均成本、token 数和步骤数。

成本按各模型公开的每百万 token 单价计算,计入输入、缓存读取、缓存写入和输出 token,并汇总每个任务用量。页面提示结果存在方差,分数小幅差异未必有统计意义。

Cursor 于 2026-03-11 发布的基准方法文章介绍了早期 CursorBench 的任务来源:通过 Cursor Blame 将已提交代码关联到生成它的 Agent 请求,并称任务来自工程团队真实会话、内部代码库及受控来源。该文章当时描述的是 CursorBench 3.1,不能确认其任务采集和评分细节在 4.0 中完全不变。当前 4.0 页面未公开题目总量、各模型运行次数、样本分布、评分器、误差区间或逐题结果。

关键结果

配置排名得分平均成本/任务Tokens/任务Steps/任务
Gemini 4 Carbon High160.4%$9.2239,96071
Gemini 4 Carbon Medium260.1%$8.4937,06767
Gemini 4 Carbon Low458.6%$11.8942,663124
Fable 5.2 Max360.0%$32.79352,794218
Opus 5.5 Max557.8%$13.43218,363185
Gemini 4 Hydrogen Extra High657.8%$5.86164,61088
Gemini 4 Argon High1652.9%$4.57109,500118

Carbon High 比 Fable 5.2 Max 高 0.4 个百分点;榜单列出的每任务成本低约 72%,token 用量低约 89%,步骤数低约 67%。Carbon Medium 与 High 相差 0.3 个百分点,成本低 $0.73,token 少 2,893,步骤少 4。Carbon Low 得分低于另外两档,但榜列成本反而更高($11.89);不应把这组结果解释为推理档位与成本之间稳定单调的关系。

与其他 Gemini 配置相比,Carbon High 比 Hydrogen Extra High 高 2.6 个百分点,平均成本高 $3.36,token 和步骤数较少;比 Argon High 高 7.5 个百分点,但成本高 $4.65。榜单页面未提供足以判断这些差异统计显著性的信息。

原始数据

  • 榜单快照:2026-11-16 访问页面时,CursorBench 4.0 按得分排序列出 91 个模型配置;排名与成本可能随页面更新而变化。

  • Carbon 各档数据:High 60.4% / $9.22 / 39,960 tokens / 71 steps;Medium 60.1% / $8.49 / 37,067 tokens / 67 steps;Low 58.6% / $11.89 / 42,663 tokens / 124 steps。

  • 样本规模:排行榜和方法说明均未显示任务数量、单模型样本数或运行重复次数,故记为未注明。榜单列出的 Steps/Task 是步骤均值,不是样本量。

  • 成本口径:按公开 token 价格计入输入、缓存读取、缓存写入和输出;不是独立测得的实际账单。页面变更记录说明会因价格调整更新成本。

  • 版本口径:CursorBench 4.0 于 2026-09-10 的更新记录中引入;该更新增加新任务类型。早期方法文章明确提示不同基准版本因任务分布不同,不宜跨版本比较。

结论与边界

这份官方榜单显示,在 CursorBench 4.0 的页面数据中,Carbon 三档都排在前四,High 得分最高。High 和 Medium 的分差只有 0.3 个百分点;Cursor 已提示小幅分差可能不具统计意义,因此不能仅凭榜单断言 High 稳定优于 Medium。

榜单提供了模型配置层面的成本、token 和步骤对照,但没有公开任务样本量、逐题结果或完整 4.0 评分方法。结果仅适用于该版本的 Cursor 内部任务和评测环境;模型定价更新也可能改变成本列。不要将榜单得分直接换算成实际项目成功率或跨工具排名。

复现说明

访问 CursorBench 页面,确认版本标为 4.0,并记录访问日期;按页面表格抄录模型配置、得分、每任务成本、tokens/task 和 steps/task。复现排序需取得 Cursor 未公开的任务集、执行配置、重复次数和评分方法。本文的同版本比较以 2026-11-16 页面快照为准。

Tabbit 小编提醒

本文是第三方资料导航。测试环境、模型版本和主观体验可能不同,请以原文为准。

Gemini 4 Carbon

在 Tabbit 中使用并对比模型

Gemini 4 Carbon

相关测评

官方Google DeepMind

Gemini 4 Carbon 模型卡:知识工作与多模态基准及其边界

媒体Artificial Analysis

Gemini 4 Carbon:Artificial Analysis 推理档位与指数成本

媒体Zapier

Gemini 4 Carbon 在 Zapier AutomationBench 的业务流程结果

媒体AI IQ

Gemini 4 Carbon 在 AI IQ 的综合评分与基准覆盖率

Gemini 4 Carbon

相关提示词与案例

官方Google AI Studio / Gemini API

Gemini 4 Carbon 的 Google AI API 规格

官方Google AI Studio / Gemini API

Gemini 4 Carbon 长输出:续接、状态与停止条件

官方Google AI Studio2026-11-10

Google AI Studio:Gemini 4 Carbon 复杂任务提示设计

官方Google AI Studio / Gemini API

Google AI Studio:Gemini 4 Carbon 动态视频理解配置