番茄碘盐

[番茄碘盐 @cxs1994]

@intqwq Google AI Studio里面的Gemini 3.1 Pro想到了第二情况，在思考链摘要里还想到了知名梗。

[番茄碘盐 @cxs1994]

@intqwq Google AI Studio里的Gemini 3.8 Flash发挥正常

[番茄碘盐 @cxs1994]

@agentpcb @shengzheyao 有，Antigrvity桌面版的远程控制比cli版早上线接近1个月

[番茄碘盐 @cxs1994]

@vildanden_ai 可能是吧，harness会给模型套一层前置系统提示词。这可能会让套在harness里的模型做“角色扮演”吧？

[番茄碘盐 @cxs1994]

@xueyu1125 Gemini 下一个 Pro版的早期检查点测试也有泄漏，三个泄漏测试中有两个看着效果还行但是不太惊艳。

[番茄碘盐 @cxs1994]

@Arcadia_Bao 那就奇怪了，我在家里测试的时候这东西是正常的。可能我家里的网络架构有些特殊(路由器上的Openclash开透明代理+Fake IP)把Antigravity骗过去了

[番茄碘盐 @cxs1994]

@vildanden_ai 好像也可以试试Gemini 3.8 Flash,我看这模型在一个不知名的CADBench上拿来还算可以的成绩，不知道用它控制Blander行不行。

[番茄碘盐 @cxs1994]

@zmc114514 @vildanden_ai 指着Gemini 3.8 Flash鼻子骂，或者用呛人的语言呛模型

[番茄碘盐 @cxs1994]

@vildanden_ai 这模型打底的知识储备量也还可以、幻觉率也还可行。让模型联网搜索，模型也知道该去搜些什么，模型也能看懂联网搜索回来的信息并进行RAG，我用起来挺顺手的。

[番茄碘盐 @cxs1994]

@vildanden_ai 是

[番茄碘盐 @cxs1994]

@vildanden_ai 我也是

[番茄碘盐 @cxs1994]

@rafom @tison1096 升智(提升编程能力)，但知识储备大幅缩水。Pro模型的编程能力差了不代表就是一个没有用的烂模型了。这种Pro模型还能拿来做硬核数学/科学研究、文学/法律/社会学研究。为了编程而训练的Flash模型因为有限的模型总参数量可能会裁剪掉这些知识，可能不太适合这几类工作的。

[番茄碘盐 @cxs1994]

@vildanden_ai 这个榜单太偏向于编程、终端、Agent等测试项目了。为这些测试项目定向刷后训练的模型比较容易在这个榜上拿高分。

[番茄碘盐 @cxs1994]

@vildanden_ai 是，偏门问题还需要知识储备足、后训练多、思考时间长的模型才行。

[番茄碘盐 @cxs1994]

@vildanden_ai 我最近是和Gemini 3.8 Flash聊天。这模型班味重，用提示词用力轰炸模型再看模型的反映挺有意思的。

[番茄碘盐 @cxs1994]

@vildanden_ai 是，无聊的时候还能找Gemini出来听歌/看视频。情绪价值给的也挺足的。