ErdosBench 研究级数学榜：Gemini 4 Argon 排第 6，三家打平
RexDouglass · x · 2026-10-15
ErdosBench 是一个包含 226 道研究级数学问题（灵感来自数学家 Erdős）的评测集，其最新排名显示 Gemini 4 Argon 位列第 6。
结合配图榜单（第 4-8 名）：
- GPT-5.6 Sol xhigh（第 4，3.12 分）：低质量尾巴最少、覆盖最干净，但明显高于 Opus 5.5 与 GPT-6 Astra 所在的高分段。
- Meta Muse Wonder（第 5，3.05 分）：强审计精度高、定理级部分工作深入，但存在一个严重的假定理范围声明。
- Gemini 4 Argon（第 6，3.04 分）：数学产出高但输出可靠性有缺口，144 份 schema-valid 报告均值 3.337，82 条 runner-fallback 轨迹均值仅 2.509。
- Xiaomi MiMo v2.6 Pro（第 7，3.02 分）：精度高、置信度校准好。
- GLM-5.3 Flash（第 8，2.95 分）：GLM 家族最好成绩，全量覆盖、无 F 级声明。
Meta Muse Wonder、Gemini 4 Argon、MiMo v2.6 Pro 三者总分几乎打平，但强项与短板各不相同。
「模型」频道最新
- JevBench 作者推出 DecisionModels:决策模型快 4 倍,$0.019/百万 token — airesearch12 · 2026-10-15
- Google 评估称 Gemini 4 Argon 无法排除失控阈值 TCL — TheZvi · 2026-10-15
- 实测 Indra OCR:准确率属实，但「比 Tesseract 快 17 倍」实为约 3 倍 — TheOyinbooke · 2026-10-15
- Google 与 Meta 新模型齐发,前沿 AI 双寡头格局现裂痕 — danshipper · 2026-10-15
- GPT-6 Astra 破解 49/50 未发表物理难题，还纠出顶级物理学家算错 — 141_1337 · 2026-10-15
- 测试集污染研究被 NeurIPS 拒稿:一条副本即可让模型「低于不可约误差」 — RylanSchaeffer · 2026-10-15