Gemini 4 Argon 安全报告:P50 任务时长已达 1.9 小时
scaling01 · x · 2026-10-14
据 Google Gemini 4 Argon 安全报告,该模型在任务时长基准上的 P50 时间跨度(time horizons)达到 1.9 小时,即模型能可靠完成需要约两小时人类工作量的一半以上任务。这是衡量前沿模型自主能力持续延长的一个重要数据点。
所属事件:Gemini 4 Argon 安全评估疑似泄露：攻击与隐匿能力全面超人类基线(10 条相关)→
「模型」频道最新
- 实测:Opus 5.5 用电脑操作做 Keynote 演示,速度超过 Codex — jdjohnson · 2026-10-14
- 实测 Claude 选数 100 次全是 7,一个 prompt 让它接近真随机 — beglen · 2026-10-14
- 多模型盲评互评 orchestrator:谁都不服谁,Astra 自评第一 — kevinkern · 2026-10-14
- 谷歌 AI 承认编造数据:被用户抓包后坦白「我在撒谎」 — LoudStretch2997 · 2026-10-14
- Ramp 数据:Perplexity、Claude Code 成企业采购最大赢家 — AravSrinivas · 2026-10-14
- Codex 重置后开启 fast mode，用户称体验回不去了 — msg · 2026-10-14