Gemini 4 Argon:智能、性能与价格深度解析

Gemini 4 Argon (High): Intelligence, Performance and Price Analysis

Gemini 4 Argon:智能、性能与价格深度解析

Artificial Analysis 发布了最新的 Gemini 4 Argon 评测报告,通过其独创的 Artificial Analysis Intelligence Index v4.3.2 进行全方位扫描。该指数整合了 AA-Briefcase v1.1、GDPval-AA v2.1、Terminal-Bench 4.0 等十项严苛测试,不仅量化了模型在 Agent 工作流、代码生成及科学推理上的表现,还引入了 AA-Omniscience 指标来精准衡量知识可靠性与幻觉控制。报告进一步揭示了“单位智能任务成本”这一关键维度,帮助开发者在性能与价格之间找到最佳平衡点,为选择大模型提供了详实的数据支撑。

AA-Omniscience 指数通过奖励正确答案、惩罚幻觉且不对拒绝回答进行扣分,从而精准衡量知识的可靠性。
  1. aliljet

    很难不认为这对 OpenAI 来说是一记重拳。他们之前的领先优势很大程度上是靠不断重置(reset after reset)来拉高价值分建立的,而现在却在价格上被碾压,在性能上也被超越或持平。我目前仍愿意为 Opus 5.5 支付溢价,因为它几乎可以无限使用,但 Google 才是那个沉睡的王者。

    大家都乐于看别人热闹,但我敢打赌,Google 通过其搜索产品消耗的 token 量比几乎任何其他公司都多,而现在他们正悄无声息地追赶着技术前沿……

  2. mlmonkey

    与此同时,我在 gemini.google.com 上收到的仍然是 Gemini 3.1Pro :-D

    https://imgur.com/a/h96yg5t

    这可是我花了 $20/月 的付费套餐啊 :cry:

  3. mchusma

    我猜如果 Google 对自己诚实的话,这大概只能算是一个 C 级的成绩。

    在很长一段时间里都远离技术前沿之后,他们现在预热发布了一个排名第三的模型,大致相当于目前市面上更便宜的模型。

    他们考虑发布以保持在前沿竞争中,这倒是好事。

    (我认为 3.7 flash 确实是个扎实的发布,所以他们确实跟上了讨论节奏。而且他们的图像、音频和实时模型也都相当不错)

  4. godbox

    真是让人昏昏欲睡。又一个在智能或价格上相比同行没有实质性提升的模型。Google 基本上是在宣布他们“追平”了其他人。我觉得他们在 Flash 领域做得一直很棒,所以看到这样的结果……有点令人失望?

  5. algoth1

    对我来说最惊人的进步是幻觉率的大幅降低,考虑到 Gemini 当前模型在这方面表现有多糟糕,这一点尤其令人印象深刻

同日更多故事

2026-09-30