评估对象：Gemini 4 argon contributor（来自opencode go） vs deepseek-v4 flash+pro（来自opencode go） 评估方法来自本人自建的一套学术综述撰写流程： 检索指定主题（原发性膜性肾病的发病机制）的文献，构建文献材料库（共85篇，包括66篇pdf原文及19篇摘要）； 将文献材料进行文本分块并向量化； 3.1 基于所有文献的摘要，写一个分点式的综述框架，题目为原发性膜性肾病的发病机制； 3.2 以综述框架的终末子标题为检索对象，利用RAG的方式检索文本块及图片； 3.3 每个“终末子标题+相关文本块”构成一个综述片段，组装综述片段即为成品综述。 比较维度： 生成综述大纲能力的评估：该任务为基于85篇文献摘要生成综述大纲，考察复杂长文本（约131k字符数，非token数）下模型的注意力和输出意愿； 综述整体的评估。 Gemini版中，Gemini 4负责生成大纲+综述片段。 deepseek版中，deepseek-pro负责生成大纲，deepseek-flash v4.1 负责生成综述片段（因为需要视觉能力） Gemini版综述示例： deepseek版综述示例： 结论： Gemini 4 argon contributor的机制主线连贯性、展开细致程度、输出意愿，综述可读性比deepseek强。 在事实核查领域里，在有相对廉价的（准）官方api的LLM中，Gemini 4 argon contributor是新的王者。 其他结论： 其他结论：本轮综述生成中，Gemini 4 argon contributor共接受2M字符数的input，输出380k字符数的思考摘要+256k字符数的正文内容（注意是字符，不是token），消耗量大致等于10刀opencode go的5h额度。 吐槽一下：opencode go真的很鸡贼，现在第三方agent中，每次对话需要加入特定请求头才能进行api调用了。 附录（完整测评报告+综述）： 链接： https://pan.quark.cn/s/802543e59128 提取码：Jux3 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/16 15:52:59