待验证50% 置信基准精确时间
Gemini 4 Argon在代码审计基准测试中失败率介于50%到70%之间，三个独立项目均为高假阳性率
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
待验证Gemini 4 Argon 在幻觉基准测试中得分 15%（分数越低越好），低于目前任何前沿模型78% 相似待验证在100张工单测试集中，SupportOps-AI的升级错误率为18%，幻觉率为6%，死循环率为3%，完全失败/未解决率为4%。71% 相似待验证在测试夹具中，Atlas 是唯一被自动路由到销售的线索（置信度 ≥ 0.9 且分数 ≥ 80）；Birch 进入人工审核；Delta 置信度为 0.83，即使分数高也进入人工审核；Cinder 低于 0.65 进入培育流程。67% 相似待验证在Artificial Analysis的AA Omniscience测试中Argon幻觉率为15%（智能指数45分及以上模型里最低），准确率为50%低于Astra的63%，Argon更倾向于承认不知道而非给出错误猜测66% 相似待验证对照测试中，单纯靠提示词让AI少写代码可省约三成行数，但安全性掉到95%66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1030749API
curl https://kongchang.com/api/v1/knowledge/claims/1030749MCP
get_claim(id=1030749)