Artificial Analysis 公布的一个 MKA 幻灯片任务示例中,Gemini 4 Carbon(high)约用 1 小时、76 轮、花费约 $8,得分 72%;Claude Fable 5.2(max)约用 3 小时、224 轮、花费约 $68,得分 87%。这是单项任务记录,不是模型总体排名。
适合判断的任务:了解这两个模型在该建筑图纸审阅与幻灯片交付任务中的公开耗时、轮数、费用、图像查看次数和幻灯片得分。
不适合外推的任务:不能据此判断两模型在其他 MKA 任务、其他输出类型或一般知识工作中的总体优劣;不能从这组数据推导耗时、调用轮数、图像查看次数与得分之间的普遍关系。
适用的模型版本:Gemini 4 Carbon(high);Claude Fable 5.2(max)。
测试环境或客户端:Artificial Analysis 在 X 发布的 MKA 示例;执行端点、工具配置和硬件环境未注明。
推理档位和参数:Carbon 为 high,Fable 5.2 为 max;其他参数未注明。
原帖称这两个模型完成的是同一个任务。前一条线程说明该 MKA 示例来自一个 10 任务公开数据集:代理检查建筑平面图和剖面图,核对门窗是否不一致,并将发现整理为幻灯片。
同一线程称,MKA 覆盖 10 个垂直领域和六种交付文件类型;评分标准分为 Climb(前沿模型仍常失败的较难标准)与 Regression(基准能力)。原帖没有说明这项建筑幻灯片任务属于哪类标准,也没有披露该项得分的评分量表、评审流程、运行配置或复测次数。
| 模型与档位 | 完成轮数 | 耗时 | 费用 | 幻灯片得分 | 图像查看次数 |
|---|---|---|---|---|---|
| Gemini 4 Carbon(high) | 76 | 约 1 小时 | 约 $8 | 72% | 118 |
| Claude Fable 5.2(max) | 224 | 约 3 小时 | 约 $68 | 87% | 203 |
以上均为原帖中的约数或单项任务报告值。帖子未提供这些指标的计费明细、轮次定义或图像查看的计数口径。
原帖称 Carbon 与 Fable 5.2 执行“同一个任务”,并分别列出轮数、约耗时、约费用、幻灯片得分和图像查看次数。
附近线程将任务背景描述为审阅建筑平面图与剖面图中的门窗不匹配,并以幻灯片报告发现。
附近线程称公开数据集包含 10 项任务,MKA 覆盖 10 个垂直领域。线程未展示该任务的完整题面、输入文件或两份幻灯片成品。
线程提到 Climb 与 Regression 两类评分标准,但没有说明原帖中的 72% 与 87% 如何计算,也没有给出该任务的评分细则。
这条记录只比较 MKA 中的一个幻灯片交付任务。原帖数据中,Carbon 的轮数较少、耗时较短、费用较低,Fable 5.2 的幻灯片得分较高。单个示例无法代表两个模型在整套 MKA、全部 10 个领域或其他工作负载上的表现。
本条是任务级案例,与测评 02 中 Artificial Analysis Intelligence Index 的综合指数分数和成本统计属于不同数据。这里的 72% 与 87% 不是 Intelligence Index 分数,也不能与其直接比较。
查看原帖及其相邻线程,核对任务说明与所列数值。要复现比较,还需要获取原始题目和文件、运行时模型与工具配置、完整幻灯片、得分细则以及费用计算口径;这些信息在当前可见帖子中未提供。
Gemini 4 Carbon