说到逆袭者的胜利，谷歌（Google）刚刚发布了最新模型，名为Gemini 4 Argon，它在各项AI基准测试中横扫千军，所向披靡。不过，由于该模型正在接受美国政府的测试，目前大范围推广尚遥遥无期。
谷歌的Gemini 4 Argon以77.9%的得分在DeepSWE v1.1上拔得头筹，力压Anthropic的Claude Opus 5.5和Fable 5.1，以及OpenAI的GPT-6 Astra。
今年9月早些时候，我们曾报道过一则大胆的传闻，称谷歌旗下的DeepMind可能已经实现了RSI——即利用AI系统帮助构建、编码或训练其下一个版本，从而在此过程中释放出巨大的规模经济效应。
仅仅两周左右之后，谷歌似乎正以全新的Gemini 4 Argon验证这一传闻——该模型目前在评估AI模型最常用的19项基准测试中，独占14项榜首。
Artificial Analysis对部分基准测试结果做了如下总结：
Gemini系列模型历来在智能体评估方面表现较弱，而Gemini 4 Argon在这一领域展现出全面进步。它在AutomationBench-AA上以77.5%的成绩排名第一，领先Claude Sonnet 5.5（max，71.3%）6个百分点。在Terminal Bench 4上，Gemini 4 Argon达到57%，较Gemini 3.1 Pro Preview提升了53个百分点，仅次于Claude Sonnet 5.5（max，64%）、Claude Opus 5.5（max，60%）和GPT-6 Astra（59%）。在AA-Briefcase上，它达到1494 Elo。这得益于65%的评分标准通过率——这是我们记录到的最高值——但分析质量（1576 Elo）和呈现质量（1308 Elo）相对较低。
更重要的是，Gemini 4 Argon是谷歌约7个月来首款非Flash级模型，在Artificial Analysis Intelligence Index上取得了53分，与GPT-6 Astra（max）持平，同时领先GPT-6.1 Sol1分。
Artificial Analysis补充道：
“Gemini 4 Argon每项Intelligence Index任务花费1.99美元，为GPT-6 Astra（max）的60%，但是GPT-6.1 Sol（max）的2.7倍。折扣结束后，价格将升至3.98美元（约为GPT-6 Astra（max）的1.2倍）。”
此外，在AA-Omniscience基准测试中，谷歌的Gemini 4 Argon展现出15%的幻觉率，是所有在Intelligence Index上得分超过45分的模型中最低的。相比之下，GPT-6 Astra（max）的幻觉率为51%，GPT-6.1 Sol（max）为54%。
在其他方面，该模型保持100万token的上下文窗口，目前享受50%的折扣，即每100万token输入2美元、输出10美元。
关键在于，在Vals RSI指数上，谷歌的Gemini 4 Argon目前排名第四，仅次于Anthropic的Claude Opus 5.5、Fable 5.1和Opus 5.0，领先于OpenAI的GPT-6 Astra。不过，更令人清醒的是，彭博社（Bloomberg）刚刚发布了一篇对Gemini 4 Argon评价不佳的报道，一位谷歌员工称“该模型在处理某些编码任务时表现吃力”。
