待验证50% 置信基准精确时间

在谷歌公布的图表中，Argon的Deep SWE得分接近78%，而Claude Opus 5.5和GPT-6 Astra仅略高于74%

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/3

首次发现

有效期至：2027/1/1

来源

Gemini 4 Argon深度解析：自测领先，外部验证为何存疑

涉及实体

Gemini 4 Argonmodel Claude Opus 5.5model GPT-6 Astramodel Deep SWEconcept

相关事实

待验证在DeepSuite基准上Grok 4.7得71%，GPT 5.6 Sol为72.7%，Fable 5.1为70%，Astra Max以74.1%登顶73% 相似待验证在 VALS 知识任务指数上 Gemini 4 Argon 得分 68.9%，登顶 SOTA，领先 Opus 5.5 的 67%66% 相似已验证在 DeepSWE 基准上，GPT-5.6 各推理档位得分分别为 Low 45 分、Medium 61 分、High 69 分、X-High 71 分、Max 73 分66% 相似待验证Grok 4.7在Deep SWE软件工程评测拿到71.0%，TerminalBench 38.0%，在GDPVal评测以1695的Elo仅次于Fable 5.1的173565% 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%64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/969177

API

curl https://kongchang.com/api/v1/knowledge/claims/969177

MCP

get_claim(id=969177)