Gemini 4 Argon的第三方实测来了。结论：偏科，但偏得有道理。
据DualEntry公布的会计基准测试：Argon准确率91.1%，18个模型里第一，一致性86.1%也是第一。做一单任务成本$0.11，Claude Fable要$1.18，贵10倍，分数还更低。
但据Artificial Analysis的编程指数：Argon的DeepSWE 78.8%拿第一，Terminal-Bench只有56.1%，排中游，被Claude Sonnet 5.5（66.2%）甩开。
我的判断：Argon是"长活+专业活"最强——金融、法律、会计这种一跑几小时、要求不出错的任务。写短平快代码，别迷信它。
成绩单要全看，不能挑着看。
DYOR，理性交易。
据DualEntry公布的会计基准测试：Argon准确率91.1%，18个模型里第一，一致性86.1%也是第一。做一单任务成本$0.11，Claude Fable要$1.18，贵10倍，分数还更低。
但据Artificial Analysis的编程指数：Argon的DeepSWE 78.8%拿第一，Terminal-Bench只有56.1%，排中游，被Claude Sonnet 5.5（66.2%）甩开。
我的判断：Argon是"长活+专业活"最强——金融、法律、会计这种一跑几小时、要求不出错的任务。写短平快代码，别迷信它。
成绩单要全看，不能挑着看。
DYOR，理性交易。