302.AI 基准实验室 | 谷歌时隔一周发布的新模型gemini-exp-1121，实测竟发现模型能力出现了倒退？

时隔gemini-exp-1114发布仅一周，谷歌DeepMind在11月21日再次发布实验AI模型gemini-exp-1121。根据官方介绍，gemini-exp-1121在编码、推理和视觉能力都有提升。

在gemini-exp-1121发布之后，它迅速赢得了Arena榜单的冠军宝座，根据测评结果显示，除了风格控制外，其他方面都位于第一。

但在发布gemini-exp-1121模型后，立即有网友发出灵魂拷问：

“为什么不直接发布gemini-exp-1121，而是要先发布gemini-exp-1114呢？”

这或许也是大家心中疑惑的问题！要知道，就在gemini-exp-1121发布的前一天，OpenAI刚刚推出了GPT-4o的更新版本GPT-4o-2024-11-20，这一时间节点的巧合，让人不得不怀疑DeepMind是否有意在等待OpenAI的更新，以便在此之后再推出他们的模型。

而上周我们在进行grok-vision-beta视觉能力实测的时候，选择了gemini-exp-1121作为实测对比，竟意外发现了gemini-exp-1121视觉方面能力非常出色。今天，我们将通过302.AI进一步实测gemini-exp-1121逻辑推理以及编程方面的能力。

（PS：附上grok-vision-beta视觉能力实测链接：https://mp.weixin.qq.com/s/tuUBTvb7b5w0h378ntbuZA）

> 在302.AI上使用gemini-exp-1121

首先，我们先看看如何在302.AI上获得gemini-exp-1121模型：

【聊天机器人】

1、进入302.AI，点击“使用机器人”——“聊天机器人”——选择“模型”——在Gemini分类中找到“gemini-exp-1121”。

2、进入聊天机器人后点击页面左下角的设置——可以打开实时预览功能：

【API超市】

1、点击“使用API”——“API超市”——“语言大模型”——选择“Gemini”。

2、选择“Gemini”可以看到列表中已经提供了gemini-exp-1121模型的API，可以根据需求选择“查看文档”或者“在线体验”功能进一步使用。

> gemini-exp-1121实测对比

气氛已经烘托到这了，那接下来我们实测就选择gemini-exp-1114、gpt-4o-2024-11-20、gemini-exp-1121这三个模型，主要测试逻辑推理、编程等方面的表现。

数学理解测试：

提示词：地面上放着20厘米高的砖。我在上面放了一个30厘米高的花盆。花盆里有10厘米深的土，土上面种着5厘米高的幼苗。从地面到苗头的高度是多少厘米?

分析：首先这一题目的正确答案是35厘米，看下个模型的答案：

gpt-4o-2024-11-20：分析对了一半，最终回答错误

gemini-exp-1121：思路清晰，回答正确。

gemini-exp-1114：并未理解题目，回答错误。

逻辑推理测试：

提示词：

分析：这是一道经典的逻辑推理测试题，来看下三个模型的回答。

gpt-4o-2024-11-20：分析正确，整体篇幅较长，回答正确。

gemini-exp-1121：分析错误，回答错误。

gemini-exp-1114：分析正确且清晰，回答正确。

编程测试：

使用工具：302.AI的聊天机器人——Artifacts功能；

提示词：用前端代码，制作一个2048游戏，将所有代码都放到一个文件输出

gemini-exp-1114：生成的效果能够通过键盘方向键进行游戏，但页面美观性和完整性稍有欠缺。

gemini-exp-1121：同样提示词下，gemini-exp-1121生成的效果仅仅只能看，无论是使用鼠标还是键盘都不能操作游戏，且没有开始游戏按钮。

gpt-4o-2024-11-20：最后gpt-4o-2024-11-20生成的效果具备了美观性，且能够使用键盘操作，但是美中不足是完整性还有欠缺，缺少了得分提示、开始结束等。

o1-preview：最后，看下生成效果比较好的o1-preview，整个游戏非常完整，具备开始游戏等按钮、还有记录得分板块，同时还具有操作性。

> 总结

通过以上实测可以初步得出以下结论：

数学理解测试：在数学测试中，只有gemini-exp-1121模型真正理解题目并给出正确答案，其余的模型只是对数据进行简单累加，并未能够理解并分析题目的具体情境。

逻辑推理测试：在逻辑测试中，gemini-exp-1114的表现比gemini-exp-1121更好，不仅逻辑清晰，分析的答案易理解，而且给出了正确的答案。

编程测试：对于简单的游戏生成，gemini-exp-1121的表现未能令人满意，生成的效果仅为静态界面，不具备操作性。

综上所述，虽然gemini-exp-1121在各个测试中展现出不同程度的优势，但仍有改进的空间。尤其是在编程能力方面，模型需要进一步优化生成代码的质量和复杂性。但令人不解的是，在逻辑测试和编程测试中，前一版本的表现明显比gemini-exp-1121更好，难道是前一版本的算法更加优化？但无论是gemini-exp-1121还是gemini-exp-1114，都仅为实验性模型，我们可以持续关注Google，看看后续是否对模型有改进。

👉立即注册免费试用302.AI，开启你的AI之旅！👈

为什么选择302.AI？

● 灵活付费：无需月费，按需付费，成本可控
● 丰富功能：从文字、图片到视频，应有尽有，满足多种场景需求
● 开源生态：支持开发者深度定制，打造专属AI应用
● 易用性：界面友好，操作简单，快速上手