杀疯了！Gemini 2.5狂飙「高尔顿板」测试，编码横扫所有OpenAI模型

3xn7Qrclj

编码能力一直是顶尖模型宣传的重点。
尤其是，AI大神Karpathy带火vibe coding（氛围编程）概念后，普通人也可以通过AI体验到编程的乐趣。
游戏、网页、3D建模，再加上最近爆火的MCP协议，大家玩得不亦乐乎。
不只是娱乐，很多AI专家、公司CEO、行业分析师甚至认为，AI可能会在2-3年内取代绝大部分的程序员。
AI编程真的有那么强吗？哪家的效果更好？
就在最近，网友RameshR通过高尔顿板（Galton board）测试，对比了Gemini 2.5 Flash、GPT-4o mini、o4-mini-high及o3等几个最新的模型。
结果他发现，Gemini 2.5 Flash在这项高尔顿板测试中表现炸裂，而OpenAI的几个模型则完全不行，没能搞定这个任务。

RameshR表示，Gemini 2.5 Flash几乎瞬间就能get到意图，生成的代码简洁又漂亮。
在Gemini 2.5 Flash上，他一共提示5次就搞定了。而在OpenAI的模型上，RameshR则折腾了半小时都没有完成，最后直接选择放弃。
可以看出，Gemini 2.5 Flash生成的动画中，整个高尔顿板的排布都没有明显的问题，小球的运动、碰撞也基本符合物理规律。
当然，最后小球的排列也是遵循正态分布。

RameshR的高尔顿板测试帖子发出后立即点燃了网友们的兴致，就连谷歌的首席科学家Jeff Dean也出来给他点赞。
当然，也是为了给Gemini 2.5 Flash站台。

资深工程师Ray Fernando使用相同的提示词在o4-mini-high上进行了测试，结果表现还是不太完美。
他不得不又在GPT-4.1上重新试了一次，表现还是差强人意。
图片下边柱子和固定的小球已经重合到一起了，小球的排列也不符合正态分布的规律。

还有网友使用其他的模型做了测试，比如Alex Kotenko就使用了Claude 3.7。
他表示在使用了相同的初始提示和一次后续调整就完成了测试。只不过从结果来看，小球的排列并不怎么符合正态分布。

而Isaac Naor则使用Gork模型一次就完成了测试。

可以看出Gork模型生成的动画在界面和小球的运动上表现还可以。
但小球最后的排列并不太符合正态分布规律，距离Gemini 2.5 Flash还有差距。
谷歌正势如破竹

这还只是Gemini 2.5 Flash的表现，Gemini 2.5 Pro的效果只会更好。
谷歌DeepMind正势如破竹！在第七代TPU Ironwood的加持下，Gemini模型不仅性能很强，性价比也格外的高。
谷歌似乎是找到了最佳编码模型的秘密。
刚刚，网友AshutoshShrivastava发帖称，谷歌又又又推出了一个新模型「dayhush」，已在网页开发领域上线。
更加夸张的是，这个新模型似乎比Gemini 2.5 Pro更出色。他还提供了新模型的一些更详细信息。
测试过「dayhush」的网友Taro Bushidō表示，「这将是对AI编码的一次地震性转变。」

网友MuffinV也认为，Dayhush是一个大的飞跃。
它的思考时间更长，效果也最好，而且目前没有任何其他模型能达到这种水平。

他使用Dayhush模型创建了一些知名网站，效果非常棒。
「没有任何模型能够如此精确地创建youtube和spotify的用户界面。」他说。