待验证50% 置信基准精确时间

在 Agent's Last Exam 基准测试中，Gemini 4 Argon 得分为 39%，略高于 Opus 的 38%。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/14

首次发现

有效期至：2026/10/28

来源

Gemini 4 Argon实测：谷歌重回前沿，3D能力略逊Claude

涉及实体

Gemini 4 Argonmodel Opusmodel

相关事实

待验证在 Harvey Legal Agent 基准上，Gemini 4 Argon 达到 19.6%，对手最高 6.7%。72% 相似待验证在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%71% 相似待验证在 DeepSWE v1.1（编程）基准测试中，Gemini 4 Argon 得分为 77.9%，Claude Opus 5.5 为 74.2%，GPT-6 Astra 为 74.1%。70% 相似待验证Gemini 4 Argon 在 CursorBench 上以默认推理强度跑出 52.8% 的成绩，与 Opus 5.5 处于同一水平线。70% 相似待验证在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%。68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1024360

API

curl https://kongchang.com/api/v1/knowledge/claims/1024360

MCP

get_claim(id=1024360)