换评测框架成绩大涨：Argon 改用 Antigravity Harness 逼近 Opus 5.5
davidstutz92 · x · 2026-10-27
评测者发现 Gemini 4 Argon 被低估：审计 trace 时发现 Pi Harness 在约 20% 的运行中一遇到 fallback（如安全任务）就直接结束运行。改用 Antigravity Harness 重跑后，Argon 成绩反超 Astra、紧随 Opus 5.5 之后。这提示同一模型在不同评测框架下的成绩差异可能非常大，选型时需留意 harness 本身的影响。
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
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27