Artificial Analysis 的动态快照记录 Argon（High）Intelligence Index 53、AA-Omniscience 42；没有输出速度数据，不能据此判断通用延迟或所有任务表现。
适合判断的任务：在同一 Artificial Analysis 快照中比较高推理版本的综合智能、知识可靠性、幻觉指标、公开价格和评测成本。
不适合外推的任务：所有任务的通用成功率、生产延迟、真实账单、中文任务效果，以及不同 benchmark harness 之间的直接排名。
适用的模型版本：Gemini 4 Argon（High）；页面明确这是 reasoning version，并提示可能存在 non-reasoning variant。
测试环境或客户端：Artificial Analysis Intelligence Index 与其子评测；页面未公开 Argon 的调用端点和完整 harness，相关图表仍显示 No publicly available API。该组件不代表当前访问状态：Google 的官方目录已列出稳定 API 模型。
推理档位和参数：页面标题和图表均标为 high；Technical specifications 显示 Reasoning: Yes。Prompt Options 当前显示 Parallel Queries: Single、Prompt Length: 10k tokens；页面同时提供 Multiple（仅 1k tokens）、1k 和 100k 选项，但本次未切换或重新运行评测。
Artificial Analysis 页面将 Intelligence Index v4.3.2 说明为由 10 项评测组成：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity’s Last Exam、GDP.pdf、CritPt、AA-Omniscience 和 AA-LCR v1.1。页面图表是动态快照；不同指标的模型集合不同，例如 Intelligence Index 图表显示 27 of 699 models，AA-Omniscience 图表显示 27 of 573 models。
页面直接公开了指标定义，但没有公开 Argon 每项任务的输入、输出、完整提示词、调用日志、随机种子、失败处理、provider 快照或统一的独立复现包。因此，以下数字应视为 Artificial Analysis 在其方法和快照下的测量，不应跨 harness 或跨时间直接比较。
| 指标 | 页面直接可见的 Argon（High）结果 | 页面口径与限制 |
|---|---|---|
| Artificial Analysis Intelligence Index | 53；摘要排名 8/216；Intelligence 4/4 | v4.3.2 综合指数；页面称高于可比模型中位数 27；不是所有任务的通用分数 |
| AA-Omniscience Index | 42 | 衡量知识可靠性与幻觉；范围 −100 至 100；奖励正确、惩罚幻觉，不惩罚拒答 |
| AA-Omniscience Accuracy | 50% | 所有问题中正确回答的比例，不论模型是否选择回答；图表集合显示 27/573 |
| AA-Omniscience Hallucination Rate | 15% | 越低越好；错误回答占所有非正确响应的比例，定义为 incorrect / (incorrect + partial answers + not attempted) |
| Output tokens from Intelligence Index | 110M | 页面称相对中位数 85M 更冗长；这是评测期间的输出量，不是模型固定输出上限 |
| Speed | N/A | 页面摘要直接显示 Output tokens per second 为 N/A；不能据此报告 tok/s |
| Intelligence Index cost | $1.99 / task | 页面称为评测一个 Intelligence Index 任务的平均成本；不是用户生产请求的固定成本 |
| Input / output price | $2.00 / 1M input tokens；$10.00 / 1M output tokens | 页面同时显示 Cache Discount 95%；价格可能随 provider、时间和计费口径变化 |
| Cost | #81/112；Cost 3/4 | 页面成本排名和评级属于当前动态榜单快照 |
| Verbosity | #76/114；Verbosity 3/4 | 页面以 110M Intelligence Index 输出 token 展示该维度 |
| Context window | 1M tokens | 页面技术规格；不能将上下文窗口直接等同于每项评测的实际输入长度 |
页面标题为 Gemini 4 Argon (High) Intelligence, Performance & Price Analysis，提供方显示 Google，模型类型为 Proprietary model，发布日期字段仅显示 September 2026。
Technical specifications 显示：Reasoning Yes；输入支持 text and image；输出支持 text；Context window 1M，页面以约 1,500 页 12 号 Arial 文档作可视化说明。
页面摘要称模型支持文本和图像输入、文本输出，并以 Intelligence Index 53、110M 输出 token、$1.99/任务和 $2/$10 价格概括结果。
AA-Omniscience Index 42 不能单独解释为事实准确率。页面定义它同时奖励正确答案、惩罚幻觉，并且不因拒答而扣分。
Accuracy 50% 与 Hallucination Rate 15% 衡量不同分母。Accuracy 看所有问题的正确比例；Hallucination Rate 只在非正确响应中统计应拒答或承认不知道却给出错误回答的比例。两者不能互相替代。
这三个指标都来自页面的 AA-Omniscience 图表快照，页面列出 27/573 models；该集合不是所有模型，也不是通用事实核验测试的完整报告。
页面摘要的 Speed 明确为 N/A，并将 Output tokens per second 标为 Unknown out of 4 units for Speed。页面还提供 Intelligence Index vs. Time per Task（加权平均 decode time，单位分钟，不含 TTFT 和 overhead）和 End-to-End Response Time（输出 500 tokens 的秒数，包含 reasoning 模型的 thinking 时间）图表，但本次页面文本未列出 Argon 对应数值；不能从图表坐标或缺少的点位推算延迟。
价格字段是公开标价，不等同于本次评测的 $1.99/任务。后者是 Artificial Analysis 对其 Intelligence Index 运行的加权平均成本；不能直接换算为任意提示、任意上下文长度或任意 API provider 的账单。
Artificial Analysis 的当前页面支持一个明确的快照判断：Gemini 4 Argon（High）在其 Intelligence Index 上为 53，页面摘要排名 8/216；这不是所有任务的综合能力真值。
可靠性信号需要同时看指标定义：AA-Omniscience Index 为 42、Accuracy 为 50%、Hallucination Rate 为 15%，但分母和拒答处理不同，不能合并为单一“正确率”。
成本口径分为标价和评测成本：$2/$10 是页面公开的输入输出价格，$1.99 是 Intelligence Index 的平均任务成本；两者不能互换。
页面没有 Argon 的可用速度或任务耗时数字，Speed 为 N/A；不要用其他模型在 Time per Task 或 End-to-End Response Time 图表中的点位替代 Argon 数据。
Artificial Analysis 的动态榜单、样本集合、评测版本和模型 provider 可能变化。应记录采集日期、图表版本、参数和模型快照，不要把本页结果外推为生产稳定性或跨 harness 排名。
若要复测，应固定 Artificial Analysis Intelligence Index v4.3.2、模型版本 Gemini 4 Argon (High)、provider、Prompt Options（Parallel Queries 与 Prompt Length）、所有 10 项评测、评审规则、停止条件、失败重试、token 统计和价格快照。另应分别记录 Accuracy、Hallucination Rate 和 AA-Omniscience Index 的分母与拒答处理，并单独测量 TTFT、decode time、端到端响应时间和实际账单。若页面不提供 Argon 的速度或耗时数据，应记录为未公开，不用图表坐标反推。
Gemini 4 Argon
