Cognition 新榜单被质疑不公平：Gemini 4 Argon 未用自家 harness 测试
pvncher · x · 2026-10-31
Cognition 发布 FrontierCode 2.0 编码评测，称其比 1.1 更清晰地区分模型梯队，排名也有变化：在 DeepSWE v1.1 上 Muse Wonder 1.0 和 Gemini 4 Argon 得分最高，但在 FrontierCode 2.0 上仅居中游。pvncher 从 Reddit 发现，Cognition 测试时给 Astra 和 Opus 用了各自的第一方 harness，而 Gemini 4 Argon 用的是 Devin CLI，未在 Antigravity 中测试。作者认为虽然应让模型在自己 harness 下测试，但这对 Gemini 不太公平。
所属事件:Cognition 编程榜引热议：谷歌回升与公平性争议并存(2 条相关)→
「模型」频道最新
- 开发者吐槽:LLM 擅长转述他人成果,细节追问就露馅 — AlexTensor · 2026-10-31
- 576GB「回敬 Altman」数据镜像流传,OpenAI 泄露文档被整库打包 — retr0jirachi · 2026-10-31
- OpenAI Codex 28天挑战临近尾声，官方暗示或有压轴新模型 — haider1 · 2026-10-31
- GPT-6 ASTRA LAW 现身 OpenAI API 模型列表,发布或在即 — imjustnewatai · 2026-10-31
- Grok 接入支付宝与银联,xAI 直接打通中国用户付费 — op7418 · 2026-10-31
- 让 DeepSeek 和 Hy 预测自家下一代模型,两者思路截然不同 — lucky-adventurer- · 2026-10-31