Gemma 4共发布了四个尺寸版本，本次评测的gemma-4-31b-it是其中参数量最大的Dense版本，拥有310亿参数，原生视觉理解、140+语言以及原生函数调用能力。在官方公布的Arena AI排行榜上，Gemma 4 31B位列全球开源模型第3名，展现出远超其参数规模的竞争力。官方特别指出，Gemma 4在该排行榜上超越了参数量达其20倍的模型（截至 4 月 1 日）。在当前主流大模型竞

官方宣称，Qwen3.6-Plus相较于前代模型实现了全方位的能力升级，其中最核心的升级方向是智能体编程能力——无论是前端网页开发还是复杂的代码仓库级问题求解，Qwen3.6-Plus均树立了新的业界标杆。id=qwen3.6）将Qwen3.6-Plus定位为"面向真实世界的Agent"，并从语言能力和视觉语言能力两大维度展示了其评测成绩。在多模态能力上，Qwen3.6-Plus围绕推理能力增强、

首次参评即跻身中游，超过了 gpt-5.3-chat（56%）、ERNIE-5.0（56%）等选手，与 Qwen3.5-122B-A10B、Doubao-Seed-2.0-lite 同处 58% 梯队。gpt-5.4-Mini 是 OpenAI 3 月 17 日发布的高效小模型，速度是上代 gpt-5 Mini 的 2 倍以上，在 SWE-Bench Pro 等编码基准上接近旗舰 gpt-5.4。

首次参评即跻身中游，超过了 gpt-5.3-chat（56%）、ERNIE-5.0（56%）等选手，与 Qwen3.5-122B-A10B、Doubao-Seed-2.0-lite 同处 58% 梯队。gpt-5.4-Mini 是 OpenAI 3 月 17 日发布的高效小模型，速度是上代 gpt-5 Mini 的 2 倍以上，在 SWE-Bench Pro 等编码基准上接近旗舰 gpt-5.4。

OpenAI在发布GPT-5.4 Mini的同时，还推出了产品线中体量最小、成本最低的GPT-5.4 Nano。官方对这款模型的定位非常明确：它是GPT-5.4家族中最小、最便宜的版本，专为速度和成本优先的场景而生，推荐用于分类、数据提取、排序以及处理简单辅助任务的编码子智能体。在OpenAI设想的多模型协作架构中，GPT-5.4负责规划和最终判断，GPT-5.4 Mini执行中等复杂度子任务，而

MiMo-V2-Omni（68.6%，第30位）作为全模态旗舰居首，MiMo-V2-Flash-think-0204（68.2%，第32位）作为纯文本推理模型紧随其后，MiMo-V2-Pro（67.6%，第39位）提供均衡选择，MiMo-V2-Flash-think（62.0%，第80位）则覆盖轻量场景。从准确率来看，MiMo-V2-Omni与同档位模型基本持平，略高于MiMo-V2-Pro和GL

值得关注的是，开源阵营中不乏在中文综合能力上超越MiMo-V2-Pro的选手：qwen3.5-plus（74.6%，22.9元）、Qwen3.5-27B（72.4%，25元）、GLM-4.7（71.5%，52.5元）、Kimi-K2.5-Thinking（71.3%，77.1元）等开源模型均以相近甚至更低的成本实现了更高的准确率。- 向上看，qwen3-max-think-2026-01-23（7

在排名相近的区间内，MiniMax-M2.7（67.7%，第35位）、qwen3-max-2026-01-23（67.6%，第37位）与gpt-5.4-mini-high接近。：相比上一代gpt-5-mini-high（61.3%，排名第86位），gpt-5.4-mini-high（67.5%，排名第38位）提升了6.2个百分点，排名前进了48位。在OSWorld-Verified上，GPT-5.

在「不同年代使用最多的10个名字」表中，问题更为严重：原表「2010-2019年」列下有「男」「女」两个子列，模型直接**将单元格内容「男」「女」错误地整合到了表头行中**，导致整列数据结构严重错乱，行列对应关系全面崩塌。对于表格识别这类以「感知精度」为核心的任务，更多的推理步骤并不总能带来更好的结果。在华为昇腾芯片产能表中，原表最后一列的列名是具体的新闻描述内容，但模型自作主张地将其替换为「相关

在「不同年代使用最多的10个名字」表中，问题更为严重：原表「2010-2019年」列下有「男」「女」两个子列，模型直接**将单元格内容「男」「女」错误地整合到了表头行中**，导致整列数据结构严重错乱，行列对应关系全面崩塌。对于表格识别这类以「感知精度」为核心的任务，更多的推理步骤并不总能带来更好的结果。在华为昇腾芯片产能表中，原表最后一列的列名是具体的新闻描述内容，但模型自作主张地将其替换为「相关