LiveBench 2.0 给 Gemini 4 Argon 排第五

AYi @AYi_AInotes原推发布于 2026.10.14

在 X 上打开原推

谷歌新旗舰 Gemini 4 Argon 刚官宣，第三方评测 LiveBench 2.0 几乎同步甩出一张跑分表，直接把它按在了第五名。  乍一看总分 84.1 落在 Claude 和 GPT-6 后面，但只要把五门成绩单拆开，就会发现它根本不是平庸，而是一个极其偏科的理科怪兽。 在推理 95.1 和数据分析 85.2 两个硬核科目上，它直接拿下全场第一。但一测到智能体自主干活 69.9 和设计生成 73.7，分数直接掉到了前五名垫底。  以前大家看榜单只挑总分第一，但真实业务场景里，拿一个智能体只有 69 分的模型去跑复杂长流程，踩坑概率会成倍放大。  这张榜单最耐人寻味的，其实是最后一列：每个成功任务的实际成本。 Claude 两款模型在智能体和设计上确实断层领先，但跑完一个任务要 4 美元多。 相比之下，总分紧咬的 GPT-6.1 Sol 做完一个任务只要 0.73 美元，成本差了将近六倍；Gemini 4 Argon 则卡在中间，单任务 1.83 美元。  说白了，大模型早已没有所谓的全能六边形战士。 Claude 在死磕复杂的智能体闭环，谷歌在死磕硬核的逻辑推理和数学分析，而 OpenAI 在拼命把执行成本砍到脚脖子。  看榜选模型从来不是为了选谁当状元，而是算清每一块钱到底买到了什么能力。

这条是引用着另一条写的：「Gemini 4 Argon 上线 AI Studio、Gemini API 与 Gemini App」