Gemini 4 Argon 登顶 Text Arena,每任务成本仅 $0.62
arena · x · 2026-10-01
- Agent Arena:Google DeepMind 的 Gemini 4 Argon (High) 以 +7.92% 净提升分排第 8,每任务成本 $0.62,重塑性价比 Pareto 前沿;比 Gemini 3.8 Flash (High)(#19,+2.96%)高 4.96 个百分点。
- Text Arena:被引推文显示其以 1525 分登顶,超第二名 Claude Opus 4.6 (High) 约 20 分;混合价格 $8/MToken,成最高性价比模型;在 Coding、Hard Prompts、指令遵循、长查询、创意写作等全部居首,中/英/俄语等各职业领域也全第一。
- 分项信号:可控性(Steerability)第 1(+15.88%)、确认成功第 2(+14.15%)、褒贬情绪第 4(+27.74%);Chat 类别第 3(+11.58%)。
- 基于 3000 个真实 agent 会话,数据仍在累积中,属初步排名。WebDev 代码 Arena 排第 8(1679 分)。
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
- Devin 构建中现 Anthropic 隐身模型,METR 图显示前沿速度提至 1.4 倍 — daniel_mac8 · 2026-11-16
- 评测方 Trajectory 给 40 个 Agent 写「永不放弃」提示词,此前未告知 Epoch — peterwildeford · 2026-11-16
- METR 任务时长曲线更新:Opus 4.5 后倍增周期缩至 1.7 个月 — ben_j_todd · 2026-11-16
- Gemini 付费用户吐槽:让 AI 写 Three.js 动画全被拒,到底触了什么红线 — Necessary-Buy-7410 · 2026-11-16
- 28 个主流模型训练截止日期盘点:近半数不公布,Gemini 4 Carbon 发布即落后 8 个月 — Joozio · 2026-11-16
- Opus 5.5 被抓包:无记忆会话里用账户邮箱猜用户身份 — birchlse · 2026-11-16