صدرت نتائج الاختبارات العملية المستقلة لـ Gemini 4 Argon. الخلاصة: متفوّق في مجالات دون غيرها، لكن لهذا التفوّق ما يبرّره.
بحسب اختبار المحاسبة المعياري الذي نشرته DualEntry، حقق Argon دقة بلغت 91.1%، متصدراً 18 نموذجاً. كما تصدّر من حيث الاتساق بنسبة 86.1%. وتبلغ تكلفة تنفيذ المهمة الواحدة 0.11 دولار، مقابل 1.18 دولار لـ Claude Fable؛ أي إنه أرخص بعشرة أضعاف، ونتيجته أعلى أيضاً.
لكن بحسب مؤشر البرمجة الصادر عن Artificial Analysis، تصدّر Argon في DeepSWE بنسبة 78.8%، بينما لم تتجاوز نتيجته في Terminal-Bench نسبة 56.1%، ليحتل مرتبة متوسطة ويتأخر عن Claude Sonnet 5.5 (66.2%).
تقييمي: Argon هو الأقوى في «المهام طويلة الأمد والمتخصصة»—مثل المهام المالية والقانونية والمحاسبية التي تستغرق ساعات، ولا تحتمل الأخطاء. أما كتابة الشيفرات السريعة والبسيطة، فلا تبالغوا في الاعتماد عليه.
ينبغي الاطلاع على سجل النتائج كاملاً، لا انتقاء ما يناسبنا منه.
أجرِ بحثك بنفسك (DYOR)، وتداول بعقلانية.
بحسب اختبار المحاسبة المعياري الذي نشرته DualEntry، حقق Argon دقة بلغت 91.1%، متصدراً 18 نموذجاً. كما تصدّر من حيث الاتساق بنسبة 86.1%. وتبلغ تكلفة تنفيذ المهمة الواحدة 0.11 دولار، مقابل 1.18 دولار لـ Claude Fable؛ أي إنه أرخص بعشرة أضعاف، ونتيجته أعلى أيضاً.
لكن بحسب مؤشر البرمجة الصادر عن Artificial Analysis، تصدّر Argon في DeepSWE بنسبة 78.8%، بينما لم تتجاوز نتيجته في Terminal-Bench نسبة 56.1%، ليحتل مرتبة متوسطة ويتأخر عن Claude Sonnet 5.5 (66.2%).
تقييمي: Argon هو الأقوى في «المهام طويلة الأمد والمتخصصة»—مثل المهام المالية والقانونية والمحاسبية التي تستغرق ساعات، ولا تحتمل الأخطاء. أما كتابة الشيفرات السريعة والبسيطة، فلا تبالغوا في الاعتماد عليه.
ينبغي الاطلاع على سجل النتائج كاملاً، لا انتقاء ما يناسبنا منه.
أجرِ بحثك بنفسك (DYOR)، وتداول بعقلانية.