推文

@GeekCatX · 2026-10-14 01:09

兄弟们，官方权威跑分对比图实锤出来了！ 直接看这张把 Gemini 4 Argon 和 Claude Opus 5.5 标红死磕的成绩单。 猫哥带兄弟们扒开底裤，只说 4 个最反常识的硬核细节： 1️⃣ 法律与专业 Agent：打出了残酷的 5 倍代差看 Harvey’s Legal 这项：Argon 直接轰出 19.6%！ 而平时大家吹上天的文科天花板 Opus 5.5，居然只有可怜的 3.8%（GPT-6 也才 5.4%）。 这不是赢几个百分点，这是直接把友商摁在地上摩擦。 2️⃣ 1M 百万长上下文寻路：你大爷还是你大爷看 GraphWalks（256k 到 1M 极限长文本）： Argon 顶在 84.2%，GPT-6 Astra 只有 71.8%，Opus 5.5 直接崩到了 66.8%。 超长复杂逻辑串联，Google 的底层底蕴依然是断层式第一。 3️⃣ 代码与 Agentic Coding：全面压制 Opus 5.5DeepSWE v1.1 冲到了 77.9%（Opus 5.5 是 74.2%）； Vibe Code 更是直接飙到 91.9% 的高位。 这也解释了为什么反重力（Antigravity）敢把 Ultra 门槛设这么高——它在工程落地上的确有底气。 4️⃣ 老兵客观泼冷水：别吹成全能神兄弟们仔细看灰色高亮区域： 在纯终端命令行（Terminal-bench 4.0）上，Opus 5.5 以 66.4% 依然守住了优势； FrontierSWE v2 也是 GPT-6（65.5%）更强。 这说明在特定脏活、累活的底层命令行单兵作战上，Anthropic 还没彻底咽气。 总结： 单点比写脚本，几家互有胜负； 但放到“百万长文本 + 复杂多模态 + 跨领域专业 Agent”的重工业生产力战场，Gemini 4 这次是真把王座抢回来了。

曝光 176 · 评论 2 · 点赞 2 · 书签 1