Google 自家基准打架：Gemini 4 Argon 编码一胜一负于 Opus 5.5

fasildar55 · reddit · 2026-10-14

Reddit 用户注意到 Google 发布的 Gemini 4 Argon 基准自相矛盾：在 DeepSWE 上 Argon 以 77.9% 胜过 Opus 5.5 的 74.2%；但在 Terminal-Bench 4.0 上 Opus 以 66.4% 对 57.4% 大幅反超，FrontierSWE 上也是 Opus 赢。

同样的两个模型，换一套测试结果就反转，作者质疑「最强编码 AI」这类标签还有多大意义，并征集双模型用户的实测反馈。

原文链接 →

「模型」频道最新

• Perplexity 上线 Gemini 4 Argon,称刷新 WANDR 基准纪录 — AravSrinivas · 2026-10-16
• 开发者吐槽现行 DLP 全是正则方案，欲用 LLM NER 重做 — HankYeomans · 2026-10-16
• 爆料称 GLM 5.5 与 Kimi K3.1 即将发布,或与反蒸馏封锁有关 — zephyr_z9 · 2026-10-16
• 75 家企业真实工作基准:GPT-6 与 Claude 排名随任务反转 — BorisMPower · 2026-10-16
• Google 年付 Gemini AI Plus 用户遭中途降级,11月13日起失去 Pro 模型 — Ray_ProUser · 2026-10-16
• 夸一句就出图：小模型画鹈鹕骑车SVG画质飙升 — Fancy-Snow7 · 2026-10-16

更多「模型」频道 AI 资讯 →