Gemini 4 Argon 登顶 CrusaderBench，战略游戏跑分超越 Opus 5.5
Hesamation · x · 2026-10-14
博主 Hesamation 用自建 CrusaderBench 测试 Gemini 4 Argon，该基准考察模型在《要塞十字军》中发展经济的能力，涉及战略推理、规划、计算机与工具使用。Argon 排名第一，领先 Opus 5.5，并称赞这是它见过设计最好的游戏基准之一。
初步观察：
- Opus 是很强的战略玩家
- Sonnet 和 Haiku 出奇地懒、缺乏竞争性，常提前闲置
- GPT 系列表现持续稳定
- Kimi 擅长利用不同建筑
此外 Gemini 4 Argon 还被用于游戏中殖民地管理的动态扩展。注意部分结果需多次重跑去噪。
所属事件:Gemini 4 Argon 登顶自建策略游戏基准 CrusaderBench(5 条相关)→
「模型」频道最新
- VIN 识别实测:GPT-6 Astra 只对 46%,Sonnet 5 达 86%,专用路由价值凸显 — arnabdotorg · 2026-10-15
- Anthropic 研究员:VLM 视觉进展惊人,一两年内性能与成本将超人类 — arnabdotorg · 2026-10-15
- 具身评测榜：Gemini 4 Argon 落后 GPT 6 Astra 仅 25 分 — qinzytech · 2026-10-15
- 未发表理论物理题测试:GPT-6-Astra 拿下 98%,还揪出专家答案错误 — sandersted · 2026-10-15
- Kimi K3 第三方托管质量疑似降级,或与 MXFP4 量化有关 — casper_hansen_ · 2026-10-15
- Gartner 2026 生成式 AI 技术成熟度曲线:AgentAI 尚在爬坡 — luisdans · 2026-10-15