评测发现 Pi Harness 20% 任务直接放弃，换 Antigravity 后 Gemini 4 Argon 逼近 Opus 5.5
vitaliychiley · x · 2026-10-27
多方实测显示 Gemini 4 Argon 表现被低估：wenhaocha1 审计评测轨迹时发现，Pi Harness 在约 20% 的任务中一遇到 fallback(如安全任务)就直接终止运行，拖累了 Argon 的分数。改用 Antigravity Harness 重跑后，Argon 超过 Astra，仅次于 Opus 5.5。
aiforsuccess 也称 Argon 配合 Antigravity 使用体验极佳，自己近来越来越多地在各项目中使用 Gemini 模型，并期待传闻中的 Carbon 模型。
所属事件:Pi Harness 评测缺陷致 Gemini 4 Argon 被低估(5 条相关)→
「编程与Agent」频道最新
- Claude 被喂「物理穿帮」AI 视频：自动算 CFD 修复后重渲染同场景 — OfirPress · 2026-10-27
- 一句话让 Opus 5.5 给房车游戏加上无人机驾驶模式 — ezshine · 2026-10-27
- 编码 Agent 时代蜜罐告警还灵吗:假 AWS 密钥易被 Claude 触发 — kuza55 · 2026-10-27
- 老工程师回望手写代码时代:AI 接管后,新生代再也体会不到这些时刻 — bendee983 · 2026-10-27
- 用 Claude Opus 5.5 在浏览器里自比对 341 张真实照片造海岛 — prasenx · 2026-10-27
- NeurIPS 论文 BreakingWeb：强浏览器 Agent 在受控变体上近半数失败 — shuyanzh36 · 2026-10-27