🥹都冤枉Gemini了！Gemini 4 Argon 被严重低估了！同一模型，换个“外壳”直接反超 GPT-6 Astra，紧追 Claude Opus 5… · @NFT_Chen · TwKit

@NFT_Chen

🥹都冤枉Gemini了！Gemini 4 Argon 被严重低估了！同一模型，换个“外壳”直接反超 GPT-6 Astra，紧追 Claude Opus 5.5！ 1️⃣FrontierCS 2 是新出的 CS 科研级基准（48 道题）：删掉论文核心贡献代码，要求 Agent 在隐藏指标上全面超越原作者实现，且不能看论文、不能上网。 2️⃣原榜单： Opus 5.5 → 58% Astra → 44% Argon（Pi Harness）→ 40% 3️⃣审计发现关键 bug：Pi 一碰到 fallback / 安全拒答就直接结束运行，Argon 有约 20%（10/48）的任务因此被掐断。 4️⃣换用 Google 自家 Antigravity Harness 重跑后： Argon 从 40% → 54% 直接反超 Astra，仅次于 Opus 5.5。 结论：模型能力本身可能被严重低估，Agent 的“Harness”，执行框架、容错、重试、上下文管理已是决定性变量。 以后比模型，必须标注 Harness，否则榜单没意义。 #Gemini4Argon #GPT6Astra #FrontierCS #AIAgent #Harness工程 https://x.com/nft_chen/status/2114229384479756581?s=46 https://x.com/wenhaocha1/status/2114559544156205413/video/1

曝光 2223 · 评论 13 · 点赞 21 · 书签 9