热点事件持续更新
cua-bench 实测：Gemini 4 游戏操控表现差
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 1 日，AGI Hunt 报道称，computer-use 基准 cua-bench 的作者 spiceylemonade 回应了外界对 Gemini 4「刷榜」的质疑。作者表示，Gemini 4 在 cua-bench 上得分很差，不存在刷榜问题。该基准要求模型实际操作并游玩 Minecraft、SUPERHOT 等游戏，同时另设若干不公开的 held-out 游戏，用以防止模型针对公开题目做定向优化。报道将 Gemini 4 在游戏操控上的表现形容为「尖刺化」，即发挥不稳定。作者同时承认，cua-bench 在后段评测中主要受速度瓶颈限制，模型表现不佳未必完全源于操控能力。截至目前，事件进展集中在这份实测结果与作者回应上，尚无 Gemini 4 方面的公开答复。
AI 根据报道生成 · 2 小时前更新
最新进展10月1日 05:30
cua-bench 作者回应「刷榜」质疑，称 Gemini 4 在该基准游戏操控上得分很差。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- AGI HuntGemini 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。