AIIQ Gemini 4 Argon 评分、基准覆盖与方法边界

一句话结论

AI IQ 页面给 Gemini 4 Argon 的综合 IQ 估计为 136，在 164 个公开模型中排名第 7；该分数来自自有的七维评分框架，但 Argon 只有 39 个跟踪基准输入中的 14 个、覆盖 7 个维度中的 6 个，缺失项会进入估计，因此不能当作完整实测成绩或现实任务成功率。

适用场景

• 适合判断的任务：在同一 AI IQ 快照内比较模型的综合排名、维度分布和已覆盖的基准结果。

• 不适合外推的任务：把 IQ 分数当成人类智商、把维度估计当作原始百分比，或据此推断所有真实任务、速度、成本和输入上下文能力。

• 适用的模型版本：Gemini 4 Argon；页面同时记录公开发布时间为 2026-09-30。

• 测试环境或客户端：AI IQ 公共模型档案；页面标注文本模态。原始基准的调用提供商、客户端和模型档位未注明。

• 推理档位和参数：未注明。

测评方法

AI IQ 将 Argon 放入七个等权维度：抽象推理、数学推理、学术推理、程序推理、计算机使用、可靠性、知识工作。页面称其原始基准表只收录有来源支撑的结果，再用共享评分方法合成 IQ；缺少直接覆盖时，采用保守估计。维度估计可能包含统计调整或前代模型先验，不是原始基准百分比。

页面披露 Argon 在 39 个跟踪输入中有 14 个结果，分布在 6 个维度；缺失结果不按零分处理。该页面既汇总外部来源支撑的基准结果，也提供 AIIQ 自己的维度映射、等权合成和排名，因此下文把“原始基准值”和“AI IQ 派生值”分开。

关键结果

• 综合 IQ：136；IQ 排名：#7 / 164 个公开模型。

• 维度估计：抽象推理 112（覆盖 0/5）、数学推理 141（1/5）、学术推理 137（3/6）、程序推理 153（3/6）、计算机使用 148（1/5）、可靠性 131（2/6）、知识工作 131（4/6）。

• 页面指出，已有直接覆盖的维度中，程序推理（153）和计算机使用（148）最高；两者仍是含估计的维度分数。

原始数据

页面列出的 Argon 基准结果如下。页面没有为这些行披露统一的测试提示词、样本量、运行次数、推理档位或完整 harness，因此不能据此重建一套逐项独立实验。

结论与边界

1. 136 和各维度分数是 AI IQ 的派生排名指标，不是 Google 的官方能力分数，也不是单一基准的百分比。

2. 页面同时出现 AA、Arena.ai 等基准名称；它展示的是有来源支撑的结果汇总，未在本页逐项说明每个结果由谁运行、使用何种模型端点或是否采用 Argon 专属配置。不能把整张表称为 AIIQ 自建测试。

3. 覆盖率只有 14/39，且维度估计可使用统计调整或前代先验；排名和高分维度应视为当日快照，不应外推到未覆盖任务。

4. 页面没有给出 Argon 的有效成本或速度测量；也明确提示一百万 token 是 Google 声称的输出上限，而非经核验的输入上下文窗口。该类发布方信息不替代独立测量。

5. 与其他网站的分数比较必须同时核对基准版本、评测 harness、覆盖范围和估计规则；不同 harness 的数字不可直接横比。

复现说明

在 2026-10-14 访问上述页面，记录页面当时的综合 IQ、排名、维度覆盖和 14 条基准行。仅凭该模型档案无法复现每条原始结果：页面未公开逐项 prompt、样本、运行参数、端点、随机性控制和完整评分脚本。若要复核，应先把页面的来源基准、版本和 harness 与 AIIQ 的七维等权及缺失项估计规则分别核对。