Tabbit
活动资源博客模型
Tabbit LogoTabbit

Tabbit — 为你工作的 AI 浏览器

主题资源

  • 浏览器排行榜
  • AI 浏览器指南
  • 浏览器对比
  • 浏览器测评
  • 浏览器替代方案
  • 浏览器专题目录
  • Agentic 浏览器
  • 下载与安装
  • 浏览器效率
  • SillyTavern 模型指南

热门指南

  • Best Browsers 2026: Top 10 Ranked & Compared
  • Best Free AI Browsers 2026: Plans & Prices Compared
  • Rabbit Browser: What It Is & Why Tabbit Is Better
  • Firefox vs Chrome 2026: Privacy, RAM & Speed Compared
  • Best Lightweight Browsers 2026: 7 Tested for RAM & Speed
  • AI Browser List 2026: 10 Browsers Compared
  • Neobrowser: Norton Neo, Download & Alternatives
  • Edge vs Chrome 2026: Speed, RAM & Battery Tested
  • Best Internet Browser for Android 2026
  • Best AI Browser 2026: Top 9 Tested & Ranked

活动

  • 别装了,你在《牛来》里早有原型
  • Tabbit 妙招大赛
  • KPOP SBTI 饭圈人格测试
  • Tabbit 校园共创者计划
  • fifi 的论文文献妙招精选
  • 用户问卷

关于

  • Tabbit 博客
  • 媒体报道
简体中文
简体中文English
测评
媒体Gemini 4 Argon

Gemini 4 Argon(High):MKA 多模态知识工作测评

原始来源

Artificial Analysis

作者Artificial Analysis

原文日期2026-11-10

Tabbit 整理2026-11-10

查看原文

一句话结论

在 Artificial Analysis 对 Google DeepMind Multimodal Knowledge Agent(MKA)的评测中,Gemini 4 Argon(High)的 Climb WSR 为 51%,按页面榜单顺序列 21 个模型中的第 5;它领跑 Science 垂直领域,并与 Gemini 4 Carbon(High)并列领跑 Image 输出类型。这些是同一私有基准中的总体与分组结果,不代表所有多模态或专业任务。

适用场景

  • 适合判断的任务:智能体读取建筑图纸、工程示意图、临床扫描等视觉密集项目文件,并产出专业交付物时,在 MKA 口径下比较 Argon 的加权基准表现。

  • 不适合外推的任务:推断一般图像问答、日常视觉理解、所有行业工作的成功率,或实际生产中的质量、延迟和成本。

  • 适用的模型版本:Gemini 4 Argon(High)。

  • 测试环境或客户端:Artificial Analysis 的 Stirrup harness;Linux 沙箱、代码执行、互联网、网页搜索与抓取工具,以及对支持图像输入模型启用的图像查看工具。

  • 推理档位和参数:High;其他采样参数和 provider 端点未注明。

测评方法

Artificial Analysis 于 2026-11-10 发布 MKA 评测,并说明与 Google DeepMind 合作推出该基准。Artificial Analysis 将其实现为自己的独立评测;合作开发基准这一背景应与评测执行方区分。

方法页说明,评测集包含 200 个私有任务、覆盖 10 个行业垂直领域,rubric 共 14,284 项标准。每个任务含提示、输入文件和由领域专家编写的 rubric;输入可包括 PDF、Office 文档、表格和图像。模型每项任务运行一次,在 Stirrup 中最多可进行 250 轮、每任务最多 8 小时。沙箱支持代码执行、网页搜索和抓取;支持图像输入的模型可使用图像查看工具,图像原则上以原始尺寸送入,遇到 provider 限制时可能缩放。

标准分为较难的 Climb 项和检查基础能力的 Regression 项,权重为 1 至 5。GPT-6 Luna(medium)作为 agentic judge,在独立沙箱中检查提交文件和最终答复,对每项标准给出二元满足判定;评审端看不到输入文件。Climb WSR 是各任务 Climb 标准加权满足率的平均值。MKA 是独立评测,不属于 Artificial Analysis Intelligence Index v5.0.1。

关键结果

观察项页面可见结果解释范围
MKA Climb WSR51%页面榜单共列 21 个模型;Argon 按 Climb WSR 顺序列第 5。该分数是任务内加权满足率再按任务取平均,不是 51% 的任务完全成功率。
Science 垂直领域领跑文章报告 Argon(High)在 10 个垂直领域中的 Science 领先;未给出该领域的精确分数。
Image 输出类型与 Gemini 4 Carbon(High)并列领先文章报告两者领跑 Image 类标准;未给出 Argon 的精确分数。

总体榜单中,Claude Fable 5.2(Max)为 57%,Gemini 4 Carbon(High)为 54%,Claude Opus 5.5(Max)为 53%;Argon 的 51% 低于这三者。行业和文件类型榜单是分组排名,不能代替总体排名。

原始数据

  • Artificial Analysis 的 2026-11-10 文章称 MKA 使用 200 个私有真实任务,覆盖 10 个行业;任务要求处理图纸、工程示意图或临床扫描等视觉复杂输入,并提交幻灯片、表格、报告、带标注图像等交付物。

  • 文章报告 Argon(High)领跑 Science 垂直领域;在 Image 输出类型上,与 Carbon(High)共同领先。

  • 链接的评测页列出 MKA Climb WSR:Fable 5.2(Max)57%、Carbon(High)54%、Opus 5.5(Max)53%、Sonnet 5.5(Max)52%、Argon(High)51%。榜单显示 21/21 个模型。

  • 链接的方法页补充:14,284 项 rubric 标准、每项任务单次运行、最多 250 轮与 8 小时,以及 GPT-6 Luna(medium)agentic judge 的独立沙箱评分方式。

结论与边界

  1. 51% 是 MKA 的总体 Climb WSR。它汇总各任务较难标准的加权满足率,不应改写为整体任务成功率或通用多模态准确率。

  2. Argon 在 Science 领先、与 Carbon 在 Image 并列领先,都是分组榜单结论;页面未公开这两组的精确分数。它们不能覆盖其他垂直领域和输出类型的表现。

  3. Artificial Analysis 与 Google DeepMind 合作推出 MKA,但方法页称评测由 Artificial Analysis 独立执行。应同时披露合作背景和实际测量方,不将其写成与 Google 无关的独立基准,也不把合作本身当作 Google 对 Argon 结果的背书。

  4. 200 个任务为私有集,逐任务输入和结果不可见。公开榜单不足以独立复算 51% 或判断其对其他任务分布的代表性。

  5. 结果只适用于页面所列 Argon(High)和该次 MKA harness、评审规则与榜单快照;不能推断实时产品体验、生产成本或其他模型档位。

复现说明

公开复核可查看 Artificial Analysis 原文、其链接的 MKA 评测页 与 方法页。方法页公开了评测集规模、运行上限、工具、judge 和计分定义;由于核心任务集为私有,外部读者无法逐任务复现该分数。

Tabbit 小编提醒

本文是第三方资料导航。测试环境、模型版本和主观体验可能不同,请以原文为准。

Gemini 4 Argon

在 Tabbit 中使用并对比模型

Gemini 4 Argon

相关测评

官方Google Blog(Google DeepMind / Google Developer tools)2026-09-30

Gemini 4 Argon:Google 官方发布、开放范围与能力边界

官方Google DeepMind2026-10-13

Gemini 4 Argon 模型卡:安全评估方法、威胁模型与限制

官方Google Blog(Google DeepMind)2026-10-13

Google Chrome 团队用 Gemini 4 Argon 重构 Chromium 浏览器功能代码

媒体Artificial Analysis

Gemini 4 Argon(High):Artificial Analysis 独立基准、可靠性与成本

Gemini 4 Argon

相关提示词与案例

官方Google AI / Google Cloud Blog2026-10-14

Gemini 4 Argon:Google Cloud 企业 Agent 接入工作流

官方Google AI / Google Developers Blog2026-10-13

Gemini 4 Argon:机器人推理与操作工作流

官方Google AI for Developers / Gemini API 文档2026-10-13

Gemini 4 Argon:Google Gemini API 共享上下文与模型能力配置

官方Google AI / X / Google Gemini2026-10-13

Gemini 4 Argon:Gemini 应用内的多步骤交付工作流