worstcoder 在 Gemini4在LMArena的Agent评分出了，好评率很高但是可靠性似乎拖累了评分 中发帖
榜单
[image]
释义
[image]
GPT分析
[fd3ffdbd-ff24-4001-9796-fb4834bb7ca3]
看起来分数还不错，就是Bash Recovery很差劲，在执行任务的时候会出现多次工具使用错误的情况，也就是说任务会花费更多轮数而且不稳定
谷谷歌歌到底能不能力挽狂澜呢，还想着订阅个ultra5x，有些犹豫了