Gemini 4 Argon 高级工程师基准仅得 21%,大幅落后 Claude 与 GPT
danshipper · x · 2026-10-14
Dan Shipper 发布 Senior Engineer Benchmark(单一真实工作任务,由程序化检查+LLM 评审打分)首期结果,8 个模型中:
- Claude Opus 5.5 与 Sonnet 5.5 并列第一,均 85%(Claude Code, high effort)
- GPT-6 Astra 81%、GPT-6.1 Sol 71%
- Muse Wonder Full 50%、Muse Wonder 1.0 48%
- GPT-6 Sol 仅 35%,Gemini 4 Argon 垫底,只有 21%
该基准定位是「哪个模型最能干我的活」,而非通用能力声明;每个模型每案例取最近一次公开运行计分。
「模型」频道最新
- Gemini 4 Argon 开始推送,界面显示定位「复杂任务」 — ReyFauno · 2026-10-14
- YouTube 博主实测 Gemini 4 Argon:「Gemini 回来了」 — Away_Cold_4943 · 2026-10-14
- 实测 Gemini 4 幻觉大减:掺假 API 文档里揪出大部分假方法 — haider1 · 2026-10-14
- Bindu Reddy 预测:Fable 5.5 与 Astra 6.1 两周内发布且将降价 — bindureddy · 2026-10-14
- HF 下载量下滑之谜新解：GGUF 等本地模型下载正在激增 — xeophon · 2026-10-14
- Gemini 4「Argon」传闻发酵，Pro 会员自嘲被抛弃 — MicahBerkley · 2026-10-14