换评测框架后 Gemini 4 Argon 重跑成绩逼近 Opus 5.5
clmt · x · 2026-10-26
博主 @wenhaocha1 称 Gemini 4 Argon 被低估:审计评测轨迹时发现 Pi Harness 有约 20% 的 run 一遇到 fallback(如安全任务)就直接终止。改用 Antigravity Harness 重跑后,Argon 成绩超过 Astra、仅次于 Opus 5.5。Google DeepMind 的 @mohansolo 转发确认,称仅切换到 Antigravity harness 就带来提升,团队正努力让它成为覆盖所有前沿模型的最佳评测框架。
所属事件:评测框架背锅：换掉 Pi Harness 后 Gemini 成绩大涨(3 条相关)→
「模型」频道最新
- OpenAI 发布 GPT-6.1 Terra：更快更强电脑操作，价格更低 — airesearch12 · 2026-10-27
- GPT-6.1 Terra 全量上线:Plus/Pro/企业/Edu 可用,API 名 gpt-6.1-terra — OpenAI · 2026-10-27
- GPT-6.1 Terra 跑分曝光:1/10 价格追平 GPT-6 Astra,速度快 3 倍 — OpenAI · 2026-10-27
- OpenAI 发布 GPT-6.1 Terra:API 价格较 GPT-5.6 Terra 降 50% — OpenAI · 2026-10-27
- GPT-6.1 Terra 发布在即:API 模型列表已出现 gpt-6.1-terra 代号 — koltregaskes · 2026-10-27
- 模型为何泄露信息难有定论，PyTorch 作者：网络安全中动机不重要 — brhydon · 2026-10-27