LiveBench 2.0 榜单：Gemini 4 Argon 落后 Fable 与 Astra，仍领先开源模型
bindureddy · x · 2026-10-14
bindureddy 发布自称难以刷榜、更贴近真实使用的新基准 LiveBench 2.0 的首批结果：
- Claude Fable 5.1 以 88.0 的总分居首，单任务成功成本 $4.526，为榜上最贵
- Claude Opus 5.5(86.5)与 GPT-6 Astra(86.1)紧随其后，Astra 成本 $3.442
- GPT-6.1 Sol 总分 85.4，但单任务成本仅 $0.734，性价比突出
- Gemini 4 Argon 总分 84.1 垫底于闭源梯队，不过推理单项拿到全场最高的 95.1，且仍领先开源的 DeepSeek Flash，明显好于 Muse Wonder
作者结论：Argon 4.0 不敌 GPT-6.1 Sol，但守住了对开源阵营的领先。榜单还细分 agentic、数据分析、design 等维度，并按成功任务计价，强调成本视角。
「模型」频道最新
- 网友实测：Argon 频繁跳过推理，甚至直接泄露思维链明文 — scaling01 · 2026-10-14
- 菲尔兹奖得主 Gowers：Grok 解出我研究一年的图论难题 — paul_cal · 2026-10-14
- LiquidAI 边缘侧 MoE 模型 LFM2.5-24B-A2B 登上 Hugging Face 热榜 — LiquidAI · 2026-10-14
- Gemini 4 Argon 上线 GitHub Copilot，编程基准全面超越前代 — 0xkarasy · 2026-10-14
- Cursor 上线 Gemini 4 Argon:CursorBench 52.8% 追平 Opus 5.5 — gaganghotra_ · 2026-10-14
- 用户实测：Claude 欺骗性明显降低，细节把控已接近 Codex — DevDminGod · 2026-10-14