Gemini 4 Argon 跑分 WeirdML v3 得 20.2%，居 Claude 两款模型之间
scaling01 · x · 2026-10-18
Gemini 4 Argon (high) 在全新发布的 agentic 基准 WeirdML v3 上取得 20.2% 的官方成绩，位列 Claude Sonnet 5.5（19.9%）与 Claude Fable 5.1（26.0%）之间。
- WeirdML v3：包含 11 个手工设计的复杂任务，模型需在数据陌生、目标不明、反馈极少的情况下自主探索数据、搭建 ML 与数据分析流水线并产出结果。
- 榜单前列：GPT-6 Astra (xhigh) 以 0.422 平均分居首（单次成本 $27.85），GPT-6.1 Sol 0.383（$5.29），Claude Opus 5.5 为 0.312（$10.25）。
- Gemini 4 Argon 单次跑分成 $17.84，最终最佳分 0.414；作者指出其表现强劲，但 token 效率仍落后于前沿模型。
「模型」频道最新
- 用户实测:GPT-5.5 更强但更爱擅自动手,5.0 反而更懂意图 — PawelHuryn · 2026-10-18
- Mac Studio M3 Ultra 单机跑 Muse Spark,解码达 18 t/s — challis88ocarina · 2026-10-18
- Kaggle 模型归因赛：GLM 文本 44% 被判为 Claude — HarveenChadha · 2026-10-18
- KOL 预测 DeepSeek V4.1 Pro 或难超 Flash：瓶颈在 RL 预算而非预训练 — teortaxesTex · 2026-10-18
- Reddit 用户怒斥：Gemini 关闭数据共享一键删光全部聊天记录 — cyber_red0028 · 2026-10-18
- 前沿编程模型到底弱在哪？Reddit 发起对 Opus 5.5 与 GPT-6 失败案例征集 — SadPossibility2338 · 2026-10-18