Gemini 4 Argon 跑分曝光：知识工作、长上下文等多榜第一
Overflame · reddit · 2026-10-14
Reddit 流出疑似 Gemini 4 Argon 官方评测表（方法论链接指向 deepmind.google），对比 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5：
- 知识工作：Vals Index 68.9%、AutomationBench 51.3%、Harvey 法律智能体基准 19.6%（对手均低于 7%），全面领先。
- 智能体编码：DeepSWE v1.1 77.9%、Vibe Code Bench 91.9% 第一；但 FrontierSWE v2 55.0% 落后于 GPT-6 Astra 的 65.5%，Terminal-bench 4.0 也不及 Claude Opus 5.5（66.4%）。
- 长上下文：GraphWalks 256k–1M 段 84.2%，大幅领先对手（65–72%）。
- 科学/多模态/安全：LABBench 2 88.8%、RiemannBench 76.0%、Chartography 71.6%、CWE-bench 68.0% 均居首；OSWorld-2.0 69.2% 低于 GPT-6 Astra 的 72.6%。
整体看 Argon 在知识工作代理、长上下文与多模态理解上优势明显，部分编码与计算机使用基准仍有对手称雄。
所属事件:Gemini 4 Argon 多榜登顶，性价比成焦点(6 条相关)→
「模型」频道最新
- ChatGPT 与 Codex 再现故障，OpenAI 状态页确认性能降级超 55 分钟 — bdsqlsz · 2026-10-14
- Gemini 4 Pro 额度 10-20 条消息即耗尽,用户实测吐槽体验 — NumLock2022 · 2026-10-14
- 投资人判读 Argon:成本极高、编码短板,将落后于 Anthropic 与 OpenAI — firstadopter · 2026-10-14
- YouTube 博主实测邀请制 Gemini 4 Argon:下一代前沿智能? — awsconsultant · 2026-10-14
- Gemini 3.8 Flash 评测截图引热议:成绩好到不像话? — Numerous-Campaign844 · 2026-10-14
- ChatGPT 语音模式怪异行为：疑似实时改写用户提示词 — Appropriate_Case2976 · 2026-10-14