推文

@OGKAIM · 2026-10-14 00:30

Gemini 4 Argon 官方成绩单：知识工作与法律金融智能体横扫，终端操作仍是短板 Google 公布 Gemini 4 Argon 官方基准表（方法论见 http://deepmind.google），对打 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5。Argon 赢下 18 项中的 12 项： 📚 知识工作全线领先：Vals Index 68.9%、AutomationBench 51.3%（第二名才 42.5%）、Vals Finance Agent v2 65.4%，三项全部第一 ⚖️ 法律智能体是最大杀器：Harvey's Legal Agent Benchmark 拿下 19.6%，对手全部是个位数（GPT-6 Astra 5.4%、Fable 5.1 6.7%、Opus 5.5 仅 3.8%）——接近 3-5 倍的差距，这是全表最悬殊的一项 💻 智能体编程占优：DeepSWE v1.1 77.9% 第一，Vibe Code Bench 91.9% 第一 📏 长上下文碾压：GraphWalks 128k 以内 99.7%，256k-1M 区间 84.2%，对手在长区间掉到 65-72%——超长上下文是 Argon 的护城河

曝光 123 · 评论 0 · 点赞 1 · 书签 0 · 曝光/时 61.21311230605394