部分验证65% 置信基准精确时间
Gemini 4 Argon 在工作流程自动化测试中达到 51.3%，第二名只有 42.5%。
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
已验证在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%78% 相似待验证在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%。77% 相似待验证在机器学习工程测试中，Claude Opus 5.5 得分为 49.3，Gemini 4 Argon 为 45.375% 相似待验证在 Agent's Last Exam 基准测试中，Gemini 4 Argon 得分为 39%，略高于 Opus 的 38%。75% 相似部分验证Gemini 4 Argon 在 CursorBench 上以默认推理强度跑出 52.8% 的成绩，与 Opus 5.5 处于同一水平线。73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1030266API
curl https://kongchang.com/api/v1/knowledge/claims/1030266MCP
get_claim(id=1030266)