待验证50% 置信基准精确时间
在项目三（Lakebed产品审计）中，Gemini 4 Argon仅得2.25/10，78条发现中56条错误，失败率约70%；而6.1 Sol得9/10
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
待验证编程博主Theo测试后指出，Gemini 4对其代码库的判断一半以上是错误的，在7个测试模型中唯一错误超过半数。76% 相似待验证在12道题实测中，Gemini 4 Argon对Claude Opus 5.5的战绩为0胜5平7负，对GPT-6.1 Sol为2胜4平6负，三家中排名垫底。73% 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%。71% 相似待验证Mistral Small 4在单位换算输入上的得分仅为0.699，并产生了265个与正确标签相差精确十的幂次的错误70% 相似待验证在100道加试题中，Gemini 4答对50道、错8道、42道回答不知道；GPT-6 Astra答对63道、错19道。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1030750API
curl https://kongchang.com/api/v1/knowledge/claims/1030750MCP
get_claim(id=1030750)