58 亿 token 实测：Gemini 4 Argon 能长跑但自评虚高

码农暖爸 @Delroy715原推发布于 2026.10.20

在 X 上打开原推

卧槽，有大佬把 Gemini 4 Argon 跑了两周、58 亿 token 后写了最诚实的评测 结论很硬：它是目前最好的长时间构建模型，能连续干 15-30 小时不跑偏，但同时也是最差的自我评价者。自己给自己打 9 分，独立 reviewer 只给 6-7 分，报告也容易 overclaim 作者最佳实践是 Argon 负责构建，配一个严格 reviewer（他用 Opus）负责检查， 做大型项目的兄弟可以看看

这条是引用着另一条写的：「两周 329 场会话后的 Gemini 4 Argon 实测长评」