基准
Frontier SWE
前沿软件工程基准测试，考察AI模型在高复杂度、开放式工程问题上的边界能力，侧重前沿和开放性工程挑战
核心事实
时间轴 (近 90 天)
10月18日
在 Frontier SWE 基准上，Argon 得分为 55，Opus 5.5 得分为 62.3。
待验证50%
10月18日
在 Proximal 的 Frontier SWE 基准（每任务 20 小时）上，Argon 得 55，Astra 得 65.5。
待验证50%
10月13日
Gemini 4 Argon 显著减少了此类模型常见的对冲式表述、重复和套话。
已验证85%
10月11日
在Terminal-Bench 4.0上，Claude Opus 5.5以66.4%领先，GPT-6 Astra为61.8%，Argon为57.4%
已验证75%
10月3日
在4个智能体编码测试中，Argon赢了两个，Frontier SWE和Terminal Bench两个测试中垫底
待验证50%
全部知识事实 (5)
已验证
Gemini 4 Argon 显著减少了此类模型常见的对冲式表述、重复和套话。
85%已验证在Terminal-Bench 4.0上，Claude Opus 5.5以66.4%领先，GPT-6 Astra为61.8%，Argon为57.4%
75%待验证在 Frontier SWE 基准上，Argon 得分为 55，Opus 5.5 得分为 62.3。
50%待验证在 Proximal 的 Frontier SWE 基准（每任务 20 小时）上，Argon 得 55，Astra 得 65.5。
50%待验证在4个智能体编码测试中，Argon赢了两个，Frontier SWE和Terminal Bench两个测试中垫底
50%