Gemini 4 Argon 因记错测试截止日期，错失 Vending-Bench 榜首

infoxiao · x · 2026-10-01

Gemini 4 Argon 在 Vending-Bench（自动售货机经营能力测试）上的表现相当惊人：据 lukaspet 分析，它本可拿下第一名，但几次关键的「记忆失误」拖了后腿——例如有时会忘记测试的结束日期，导致过早关店、白白错过数月的销售。

原帖作者 infoxiao 以「can you blame it??」的口吻转发，颇有替模型喊冤的趣味。这既是新模型能力的早期信号（未经官方证实），也是模型长程记忆与规划短板的一个生动案例。