第三方安全基准:Gemini 4 Argon 取证证明数 29/36 领跑 22 模型
DynamicWebPaige · x · 2026-10-16
Security Benchmarks 发布首个 Gemini 4 Argon 基准结果,使用 agentic SOC 调查框架在 DFIR 0.6 数据集上对比多家旗舰模型:
- 基础调查(36 案例):Gemini 4 Argon High effort 正确判决 34/36(94.4%),其中 29 例(80.6%)提供了被认可的证明,为 22 模型集合中最高;GPT-6.1 Sol 与 GPT-6 Astra 均为 25 例,Claude Opus 5.5 仅 12 例(33.3%)。
- 多主机入侵调查(12 案例):优势未能延续,Gemini 4 Argon 仅 4/12 带证明,落后于 GPT-6.1 Sol、GPT-6 Astra 与 Claude Opus 5.5(各 5/12);Claude Opus 5.5 判决正确率 100%。
- 任务要求 agent 判断可疑命令是攻击还是正常运维,需选择检索、检查记录并提交带引用的分类结论。「带证明」还需通过支撑记录检查。
- 作者提醒 High effort 不代表各厂商内部算力等同,单次运行的成绩差异需谨慎解读。
「模型」频道最新
- MiniCPM-V 4.7 上了手机:35B MoE 在 iPhone 上 3GB 内存跑出 13+ tokens/s — heyshrutimishra · 2026-10-16
- IQuest-Q1 单条提示 2 分钟写出 629 行深海潜艇游戏 — Div_pradeep · 2026-10-16
- 试用 Grok bot 却先收到 Cursor 欠费账单，两账户合并需先补款 — haydendevs · 2026-10-16
- TensorFold 1.0.12 发布：120B 视觉模型跑进 1-2 台 DGX Spark — HankYeomans · 2026-10-16
- 截图曝 Google 疑似未发布模型 Gemini 4 Argon，仅限 Ultra 和付费 Pro 用户 — il_-bro · 2026-10-16
- 谷歌:Gemini 4 Argon 进驻 Antigravity,代码提交增 35%、回滚降三分之一 — tekbog · 2026-10-16