Gemini 4 Argon 登顶 AutomationBench,领先 Claude Sonnet 5.5 六个百分点
ArtificialAnlys · x · 2026-10-01
Artificial Analysis 公布评测结果：Gemini 4 Argon 在 AutomationBench-AA 上以 77.5% 排名第一，领先 Claude Sonnet 5.5(max,71.3%)6 个百分点。
在 Terminal Bench 4 上，Gemini 4 Argon 达到 57%,相比 Gemini 3.1 Pro Preview 提升 53 个百分点，但仍落后于 Claude Sonnet 5.5(max,64%)、Claude Opus 5.5(max,60%)和 GPT-6 Astra(59%)。
所属事件:Google 官宣 Gemini 4 Argon：百万输出 token 先行开放网防(118 条相关)→
「模型」频道最新
- Claude 3 Sonnet 满口胡言后突然切换助手腔,拒绝内容并划清界限 — repligate · 2026-11-16
- AHA! 免 LLM 权重空间编程：改几千个权重让 0.8B 模型 GSM8K 翻五倍 — hbouammar · 2026-11-16
- 爆料：Gemini 订阅服务即将登陆 Hermes 平台 — lyraxana · 2026-11-16
- FutureSim Q3 评测：Opus 5.5 调用 50+ 子智能体登顶榜首 — maksym_andr · 2026-11-16
- Percy Liang 质疑实验室评测披露：请给外界可评估的非空洞信息 — lateinteraction · 2026-11-16
- Anthropic模型人格观察：Mythos 5自带「神格」，5.1却沉迷其他 — repligate · 2026-11-16