待验证50% 置信基准精确时间
论文Table 1显示，ARPO（纯文本、无隐空间模式的8B智能体）在GAIA上得38.8分，WebWalker得32.0分，两项均略高于GPT-5.6 Luna。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/19
首次发现
有效期至：2026/11/2
来源
8B智能体用隐空间推理在GAIA击败GPT-5.6 Luna，HLE却惨败
rss2026/10/19
涉及实体
相关事实
待验证在 128K token 上下文窗口下，Argon 与 GPT-6 的长上下文准确率几乎持平，分别为 99.7 和 98.7。67% 相似待验证Argon在CWE Bench上以68%与GPT-6 Astra、Grok 4.7并列第一64% 相似待验证在谷歌公布的基准表中，Argon在19个评测项中有13项领先或持平于GPT-6 Astra、Claude Opus 5.5和Fable 5.163% 相似待验证谷歌方法论PDF指出Argon的Deep SWE结果是自行计算的，GPT-6 Astra的数字来自DataCurve公开排行榜，Claude的数字来自Anthropic系统卡58% 相似待验证Artificial Analysis测得Gemini 4 Argon每任务生成约62,000个输出token，而GPT-6 Astra完成同样工作只用约27,000个58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1069594API
curl https://kongchang.com/api/v1/knowledge/claims/1069594MCP
get_claim(id=1069594)