基准
LabBench
贴近湿实验室推理的评测基准，要求模型理解实验设计、结果判读与因果推理链条，进行多步推断。
时间轴 (近 90 天)
10月13日
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%。
待验证50%
贴近湿实验室推理的评测基准，要求模型理解实验设计、结果判读与因果推理链条，进行多步推断。
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%。