待验证50% 置信基准精确时间
在RareBench上，Gemini 4 Argon以57%的辅助诊断率位居榜首，LabBench湿实验室推理得分52.2%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
待验证在Automation Bench办公流程测试中，Gemini 4 Argon得分51.3%，GPT-6 Astra为41.4%，Claude Opus 5.5为42.5%73% 相似待验证在 VALS 知识任务指数上 Gemini 4 Argon 得分 68.9%，登顶 SOTA，领先 Opus 5.5 的 67%70% 相似待验证Gemini 4 Argon在Embodied Reasoning (ERQA) 基准上取得87%的得分，且完全依赖纯推理能力，未使用针对特定任务的微调或外部工具辅助。68% 相似待验证在Deep Squeeze测试中，旧模型得分49%，Gemini 3.7 Flash跃升至65.3%65% 相似待验证Argon在评估漏洞修复能力的CWE-bench v1上以68%的最高分并列第一64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1019786API
curl https://kongchang.com/api/v1/knowledge/claims/1019786MCP
get_claim(id=1019786)