自建「十字军东征」经济基准测出 Gemini 4 Argon 排名第一，作者却曝其团队管理危机

Hesamation · x · 2026-10-14

博主 Hesamation 用自建的 CrusaderBench 基准测试了 Gemini 4 Argon：该基准让模型在策略游戏《Stronghold Crusader》中经营一个经济体，考验战略推理、规划、计算机操作与工具使用能力，Argon 排名第一，领先 Opus 5.5。截图显示模型输出的思考摘要：它会精细规划 22 名闲置农民的分配、计算磨坊与面包房产能、安排最后 5 分 47 秒的关键决策。

Argon 本人似乎也认可这个基准，称其是「我见过的设计最好的游戏基准之一」。但作者随即爆料 Argon 出现管理层危机，并配上「LMAO」，暗示模型表现与公司内部动荡形成反差（细节以图/后续报道为准，未证实）。