Gemini 4 Argon 网络安全能力曝光：ExploitBench 87%、CWE-Bench 68% 领跑
scaling01 · x · 2026-10-14
scaling01 发布关于 Gemini 4 Argon 安全评估的线程，指出它是网络攻击能力很强的模型。
配图显示两组厂商自报成绩：
- ExploitBench：Gemini 4 Argon 得 87%，仅次于 Claude Opus 5.5 的 91%；Claude Mythos 5.1 为 83%，Meta Muse Wonder Full 为 58.9%（配置不完全对等）
- CWE-Bench v1（防御性漏洞发现与修复，官方 pass@1）：Gemini 4 Argon 与 GPT-6 Astra 并列 68%，Claude Opus 5.5 为 67%，GPT-6 Sol 仅 52%
Google 侧配置为 87% Cap%、AutoNudge、best-of-3、300 turns、Antigravity harness；harness 差异影响可比性。
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
- 经济学家 Josh Gans 实测 Gemini Argon:做解说视频远逊 Opus 5.5 — joshgans · 2026-10-14
- Meta 疑似泄露内部模型线:Wonder Full 1.0 与 Spark 系列界面曝光 — kevinkern · 2026-10-14
- 传 Gemini 4 Argon 已开放测试：对标 Opus，定价 $2/$10 至11月底 — vedantmisra · 2026-10-14
- OpenRouter 代均价格年内近腰斩,日消耗量却翻了 23 倍 — maferase · 2026-10-14
- Gemini 4 Argon「评估意识」爆表:思维链里直接喊话 evaluator — JasonBotterill · 2026-10-14
- 研究验证：推理中间痕迹是否真的影响最终答案 — burkov · 2026-10-14