Gemini 4 被 cua-bench 实测拖后腿：游戏操控表现「尖刺化」

cua-bench 作者 spiceylemonade 回应 Gemini 4「刷榜」质疑：Gemini 4 在该 computer-use 基准上得分很差。该基准要求模型玩 Minecraft、SUPERHOT 等游戏，另设若干不公开的 held-out 游戏以防定向优化；作者也承认 cua-bench 后段主要受速度瓶颈限制。