待验证50% 置信基准精确时间

在VALS的Vibe Code Bench编码测试中，Claude Sonnet 5.5以92.4对91.9险胜Argon

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/3

首次发现

有效期至：2026/10/17

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

Claude Sonnet 5.5model Gemini 4 Argonmodel

相关事实

待验证在知识类任务上 Sonnet 5.5 得分 67，Gemini 4 Argon 为 68.9，但 Sonnet 更便宜71% 相似已验证Claude Sonnet 5 在 SWE-bench Verified（Agentic Coding）上得分 63.22%，距 Opus 4.8 约差 6 个百分点71% 相似已验证在SWE Bench Pro编程基准测试中，Sonnet 5取得63.2%，Opus 4.8取得69.2%70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/969185

API

curl https://kongchang.com/api/v1/knowledge/claims/969185

MCP

get_claim(id=969185)