谷歌大型推理模型曝光！击败Claude-3.7-Thinking

哎！最近推特上的网友在LMSYS Arena 发现了个泄漏的大模型 Nebula，效果据说特别好，打败了o1、o3mini、Claude3.7 Thinking等等模型：

网友们通过询问和分析 API，发现这似乎是谷歌正在秘密演练的新推理模型！推测可能是 Google Gemini 2.0 Pro Thinking：

首先，从 API 显示的信息来看，这是一款 Gemini 测试模型：

随后，网友们开始询问该模型，试图获取更多信息。

确定是 Google 模型无疑！

那它的表现究竟如何？ 网友们直呼牛逼的效果到底是不是真实的呢！小鹿去访问 Arena 时，模型已悄然下线。 现在只能参考网友们的测试了～

网友测了一个这样的问题：

我有一个 7 升的金属桶，底部有一个孔，另一端有一块金属板，用于密封。我可以在里面储存多少水？

Nebula的输出：

这个问题只是一个非常简单的提示，大型模型想要取得成功实际上其实非常困难。

简单问题往往隐含大量人类默认的常识和物理直觉，而人工智能仅通过文本学习，缺乏真实世界的体验。

例如"底部有孔的桶能储水吗？"

对人类而言，孔→重力→漏水→零储存是瞬间完成的因果链，但模型需要从碎片化文本中重组逻辑：既要解析"密封另一端"是否指顶部（影响水流路径），又要过滤训练数据中可能存在的矛盾案例（如文学作品中"用破桶打水"的比喻）。

这种简单背后复杂的隐性知识网络，恰是当前人工智能最易迷失的认知盲区。

不妨看看其他模型的表现，比如DeepSeeK：

DeepSeek根本没有认识到问题的本质是在于模型能不能“想”到将桶颠倒过来。

GPT-4.5:

GPT-4.5 也翻车了！

还有网友用Nebula写科幻题材的小说：

结尾反转很妙！对话也写得生动有趣，寥寥几笔就勾勒出一个有意思的故事，感觉Nebula除了会算，也确实很会写！

目前根据网友们的挖掘，这个模型确实很值得期待哎！

就在最近，用户在Gemini悬浮窗中还意外发现“与Live共享屏幕”按钮，“误打误撞”发现了谷歌为Gemini Live推出的全新AI实时视频功能！