- blackantt2026-08-28
如题。 看来不能看低了 gemini 。
主楼 - chjqpmain2026-08-28
需求以及 fabel 和 gemini 各自给的方案也发一下吧,方案的好坏,你自己一个人的评价有一定价值,但是多个人的更类似多次独立实验,更有意义吧.
毕竟人自己也可能当局者迷 - chjqpmain2026-08-28
然后智者千虑和愚者千虑 我个人理解为大数定律类似的意思,
肯定没有一个东西给的答案,永永远远都是最好的,
而且评判什么是好的人的状态会变,人也可能会变,标准也可能变,并不能单纯的说不能看低了 gemini,一切本就都可能有其独特之处,feature 和 bug 只在一念之间
- szzadkk2026-08-28
可能 95%的置信度强的模型给出的结果是比较好的，但是不排除有极少可能翻车
cellsyx2026-08-291. 模型输出本来就是有概率的，再强的模型也避免不了失误，只是出问题的概率低一些而已
2. 不同模型擅长内容不一样，比如 Gemini 实现的前端效果是公认的好，但是后端任务也是公认的烂
3. 可能撞到服务端问题 fable 模型降智，或者 fallback 到了其他模型
4. 检查一下使用两个模型时的提示词和背景资料是不是给的完全一样- moon2a2026-08-29
同意楼上关于概率的看法，同时想看看楼主的提示词和方案
- nakun2332026-08-29
先要理解 LLM 的本质
- Sorhyu2026-08-30
可能也要考虑模型训练的侧重，Gemini 定位是北美豆包，那么稀奇古怪的训练内容应该很多。
如果需求较为偏僻，Gemini 的答案比较 anthropic 的偏执狂可能给的方案更有“人性”一点。
我有一个 review 任务 DeepSeek pro 好几遍都跑不明白，Gemini 3.7 flash 一次就点中要害。。。 - v4001272026-08-30