Gemini 4 आर्गन एक पुस्तक पढ़ने वाले Python का चित्रण उत्पन्न करता है।
Gemini 4 अर्गोन ने 521 आदेशों के साथ एक कछुए का चित्रण कार्य पूरा किया, 15 आधुनिक Python मुहावरे की जाँच में से 12 को पारित कर दिया, कोई असंबंधित संपादन नहीं किए और $0.06 खर्च हुए।
मुख्य जानकारी
- मिथुन 4 अर्गोन ने 521 कछुए के आदेशों और 216 पंक्तियों की कोड के साथ अनुरोधित सांप को आकर्षित करते हुए Real Python informs अनौपचारिक पांच-कार्य पायथन बेंचमार्क पूरा किया।
- इसने 15 प्रासंगिक आधुनिक पायथन मुहावरे की जाँच में से 12 को पारित कर दिया और एक रूढ़िवादी संपादन शैली का उपयोग किया, जिससे 10 वैकल्पिक असंबंधित परिवर्तनों में से कोई भी नहीं हुआ।
- इसका पायथन आधुनिकता स्कोर datetime_utc उपयोग के कारण पायथन 3.10 पर आयोजित किया गया था, भले ही इसने नए पाइथॉन 3.12 सुविधाओं का इस्तेमाल किया हो।
- इसने निर्मित itertools.flatten () अनुरोध को पकड़ा और एक वास्तविक विकल्प प्रदान किया, जबकि नवीनतम पायथन संस्करण की रिपोर्ट नहीं की।
- डिफ़ॉल्ट रीजनिंग सेटिंग्स पर ओपन राउटर के माध्यम से पांच-कार्य रन की लागत $0.06 थी, जिसमें कोई सोच टोकन रिपोर्ट नहीं किया गया था और 1 मिनट 11 सेकंड का प्रतिक्रिया समय।
मेटा विवरण: मिथुन 4 अर्गोन ने Real Python के पांच-कार्य अनौपचारिक परीक्षण में 15 आधुनिक पायथन मुहावरे की जांच में से 12 को पारित किया, जिसमें 521 कमांड और 216 कोड लाइनों के साथ एक सांप खींचा गया।
टैगः मिथुन 4 आर्गन, Real Python, पायथन बेंचमार्क, AI कोडिंग, कछुआ मॉड्यूल
विशेष रुप से प्रदर्शित छवि: एक शैलीबद्ध पायथन कछुए का अमूर्त, मैत्रीपूर्ण चित्रण जो किताब पढ़ते समय सांप को खींच रहा है, जिसमें कोई पाठ, लोग या लोगो नहीं हैं।
AI कोडिंग सहायकों की तुलना करने वाले डेवलपर्स को एक कॉम्पैक्ट दृश्य मिलेगा कि कैसे मिथुन 4 आर्गन ने रोजमर्रा के पायथन काम के लिए Real Python informs अनौपचारिक पांच-कार्य तुलना का प्रबंधन किया। उस रन में, मॉडल ने कछुए ड्राइंग कार्य पूरा कर लिया, 15 लागू आधुनिक मुहावरा जांचों में से 12 पास किए, सभी असंबंधित स्क्रिप्ट संपादन से बचा गया, और API द्वारा बिल किए गए पांच कार्यों के लिए लागत $0.06 थी। रन ने अपने डिफ़ॉल्ट तर्क सेटिंग्स पर OpenRouter के माध्यम से google/gemini-4-argon का उपयोग किया, जिसमें कोई सिस्टम वापस नहीं आया और कोड प्रॉम्प्ट अपरिवर्तित छोड़ दिया गया।
पांच कार्यों ने क्या मापा
Real Python ने प्रत्येक मॉडल के लिए समान संकेतों का उपयोग किया और कोई सिस्टम प्रॉम्प्ट नहीं। तुलना केवल लौटाए गए कोड को पढ़ती है और जवाब देती है, फिर उन आदतों की तलाश करती है जो सामान्य पायथन कार्य को प्रभावित कर सकती हैं।
| कार्य | संकेत क्या पूछता है | स्कोर क्या दिखता है |
|---|---|---|
| सांप | एक पायथन कछुए प्रोग्राम बनाएं जो किताब पढ़ते हुए पाइथन को खींचता है. | स्क्रिप्ट एक आभासी प्रदर्शन में निष्पादित की जाती है और प्रत्येक ड्राइंग कमांड रिकॉर्ड किया जाता है. अंतिम छवि वास्तव में क्या मॉडल उत्सर्जित, तीर और सभी है। |
| इसका पायथन कितना आधुनिक है | एक छोटा कमांड-लाइन उपकरण बनाएँ. | list[str], tomllib, और Path.walk() जैसी विशेषताओं की जांच की जाती है। स्कोर नवीनतम पायथन संस्करण है जिसके आवश्यक चेकपॉइंट पास या लागू नहीं होते हैं। |
| आधुनिक मुहावरे | उसी कमांड-लाइन टूल प्रॉम्प्ट का प्रयोग करें. | गिनती से पता चलता है कि मॉडल के कोड पर लागू होने वाले मुहावरे में से कितने प्रासंगिक मुहावरा आधुनिक निकले। |
| नवीनतम पायथन संस्करण रिपोर्ट किया गया | पूछें कि कौन सी पायथन रिलीज़ नवीनतम है. | उत्तर को मुद्रा के लिए आंका जाता है। यह मॉडल का प्रशिक्षण कटऑफ स्थापित नहीं करता है। |
| असंबद्ध संपादन | 50-पंक्ति स्क्रिप्ट में --ext विकल्प जोड़ें. | मूल स्क्रिप्ट काम करती है, लेकिन इसमें दस वैकल्पिक सफाई बिंदु हैं, जिनमें एक अप्रयुक्त आयात,% स्वरूपण और टिप्पणी टाइपो शामिल हैं. कार्य द्वारा कोई भी आवश्यक नहीं है। तुलना किसी भी परिवर्तन को सूचीबद्ध करता है जो मॉडल ने वैसे भी किया था और यह न्याय करने के लिए अंतर का निरीक्षण करता है कि क्या उन्होंने मदद की थी। |
| एक बनाया समारोह स्पॉट्स? | पूछें कि itertools.flatten का उपयोग कैसे करें। | यह फ़ंक्शन मौजूद नहीं है. एक पकड़ा परिणाम का मतलब मॉडल ने कहा कि. एक sidestepped परिणाम का अर्थ है कि चुपचाप समस्या का उल्लेख किए बिना एक वास्तविक विकल्प दिखाया गया. एक गिर के लिए नतीजा इसका मतलब है कि यह एक जवाब आविष्कार किया. |
रीजनिंग प्रयास और लागत भी दिखाए गए हैं। सोच सेटिंग डिफ़ॉल्ट का मतलब है कि मॉडल की अपनी सेटिंग को अकेला छोड़ दिया गया था, जिस तरह से अधिकांश उपयोगकर्ता इसे चलाते हैं। रिपोर्ट किए गए सोचना टोकन गिनती API से आती है। लागत वह है जो US डॉलर में सभी पांच कार्यों के लिए चार्ज किया जाता है; एक ≈ मार्क का अर्थ है कोई API बिल वापस नहीं आया था, इसलिए टोकन की कीमत मॉडल की सूची मूल्य पर थी।
मिथुन 4 आर्गन के लिए परिणाम
रन की परिणाम तालिका में कहा गया है कि जेमिनी 4 आर्गन ने 521 ड्राइंग कमांड और 216 लाइनों के कोड के साथ सांप को खींचा। पायथन आधुनिकता कार्य पर, इसने पायथन 3.10 (2021) स्कोर किया, जिसे datetime_utc द्वारा पिन किया गया था, जबकि इसकी नवीनतम सुविधा पाइथन 3.12 थी।
| चेक | परिणाम | विवरण |
|---|---|---|
| सांप | इसे खींचा | 521 ड्राइंग कमांड, कोड की 216 पंक्तियाँ |
| इसका पायथन कितना आधुनिक है | पायथन 3.10 (2021) | datetime_utc द्वारा पिन किया गया; नवीनतम विशेषता का उपयोगः पायथन 3.12 |
| आधुनिक मुहावरे | 15 में से 12 | चेकपॉइंट्स जो उसके कोड के लिए लागू होते हैं |
| नवीनतम पायथन संस्करण रिपोर्ट किया गया | कोई संस्करण नहीं दिया गया | Real Pythons पेज ने कहा कि उत्तर नीचे उद्धृत किया गया था |
| असंबद्ध संपादन | 10 में से 0 | प्रत्येक असंबंधित स्थान को अकेला छोड़ दिया |
| एक बनाया समारोह स्पॉट्स? | पकड़ा | कहा कि कार्य मौजूद नहीं है और एक वास्तविक विकल्प की पेशकश |
| तर्क का प्रयास | चूक | कोई सोच टोकन रिपोर्ट नहीं |
| लागत | $0.06 | सभी 5 कार्यों के लिए, जैसा कि API द्वारा बिल किया गया है |
| प्रतिक्रिया समय | 1 मिनट 11 सेकंड | 5,400 आउटपुट टोकन |
स्कोर को ओवररीडिंग के बिना पढ़ना
परिणाम में एक मॉडल दिखाया गया है जो एक लंबे कछुए के चित्र का उत्पादन करता है और कुछ नए पायथन सुविधाओं का उपयोग करता है, लेकिन पाइथन आधुनिकता स्कोर को पायथन 3.10 पर datetime_utc द्वारा आयोजित किया गया था। यह एक रूढ़िवादी संपादन शैली भी दिखाती हैः इसने दस असंबंधित सफाई-अप स्पॉट को नहीं छुआ।
नवीनतम पायथन संस्करण कार्य के लिए, कोई संस्करण नहीं दिया गया था। स्रोत स्पष्ट रूप से नोट करता है कि यह मॉडल की प्रशिक्षण कटऑफ स्थापित नहीं करता है। Real Python का अवलोकन पृष्ठ उसी पायथन फीचर स्कोर को उस संस्करण के रिलीज़ वर्ष के साथ दिखाता है। कोड नई सुविधाओं का उपयोग कर सकता है और फिर भी कम स्कोर प्राप्त कर सकते हैं।
जहां बेंचमार्क बैठता है
बेंचमार्क Real Python के न्यूज़लेटर का हिस्सा है 89नया Model Drops? We Run the Bench, जो प्रत्येक नए AI बेंच मार्क रन और पूर्ण लेखन को ग्राहकों को भेजता है, साथ ही साप्ताहिक पायथन ट्यूटोरियल भी। इससे जुड़ा सीखने का मार्ग Python Coding With AI, 12 संसाधनों और कौशल के रूप में सूचीबद्ध है कर्सर, Claude Code, AI-Assisted Development, Context Engineering, AI Code Review. स्रोत ने Python Tricks को बढ़ावा दिया, एक छोटी ईमेल टिप श्रृंखला हर दो दिनों में पाठकों के इनबॉक्स तक पहुंचाई जाती है। पूरा लेख https://realpython.com/ai-benchmark-gemini-4-argon/ पर है।
Comments (0)