待验证50% 置信基准精确时间
在官方内部对比表中，Carbon在全部17项基准测试中均超过Argon；终端能力测试从57.1%提升到65.2%，软件工程清理测试从4.3%提升到9.6%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/29
首次发现
有效期至：2026/11/12
来源
Gemini 4 Carbon登顶智能榜，但编程智能体仍落后Claude Opus 5.5
bilibili进化中的阿陈2026/10/29
涉及实体
相关事实
待验证在复杂商业与知识工作基准榜单中，Carbon得分1609分，比Argon的1483分涨了120多点，但排名低于Kimi和Grok等模型。70% 相似待验证自动化任务测试中，Argon 得分 51.3%，Fable 得分为 31.4%，差距接近 20 个百分点。67% 相似待验证Carbon 在 Graphworks 超长上下文测试中达到 96.2%，领先对手 30 多分。65% 相似待验证在模拟人类操作电脑的系统测试中，Claude Opus 5.5得分87.2%，Carbon得分81.5%。64% 相似待验证Carbon 无依据论断相较 Argon 减少约 2 倍，过度越权行为减少 26%，服务不足减少 29%。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1111468API
curl https://kongchang.com/api/v1/knowledge/claims/1111468MCP
get_claim(id=1111468)