Arena.ai 在该帖发布时报告 Gemini 4 Argon(High)以 1525 分位列 Text Arena 第 1,以 1679 分位列 Code Arena: WebDev 第 8;这些是两个不同榜单的发布快照,不能代表当前排名或其他任务上的整体能力。
适合判断的任务:记录 Arena.ai 在 Text Arena 与 Code Arena: WebDev 两个榜单中对指定模型档位的公开排名和分数声明。
不适合外推的任务:推断榜单之外的任务表现、模型通用能力、不同推理档位或当前实时排名,也不能据此重建榜单测试方法。
适用的模型版本:Gemini 4 Argon(High);帖子没有提供 API 模型 ID 或快照标识。
测试环境或客户端:Arena.ai 的 Text Arena 与 Code Arena: WebDev;帖文未说明具体模型端点、客户端版本或 harness 配置。
推理档位和参数:High;其他推理、采样及提示参数未注明。
原帖称结果来自 Text Arena 和 Code Arena: WebDev 榜单,并附上两个榜单链接。采集时原帖可读,但两个榜单页返回 403,因此这里只记录原帖明确发布的数据,不将未能查看的底层榜单当作已核验来源。原帖没有列出题目、样本数、评审方式、置信区间、运行时间范围或完整模型配置。
| 榜单 | 原帖报告的排名 | 原帖报告的分数 |
|---|---|---|
| Text Arena | #1 | 1525 |
| Code Arena: WebDev | #8 | 1679 |
原帖还称:Text Arena 中在 Coding、Hard Prompts、Instruction Following、Longer Query、Creative Writing 及其评估的职业领域居首,并在 English、Non-English、Chinese、Russian 取得额外的第一名;相较 Claude Opus 4.6(High)高 20 分。WebDev 中比 Gemini 3.8 Flash(High)高 96 分,排名从 #29 到 #8。以上均为 Arena.ai 帖文的表述,细分榜单数据无法从本次可见证据独立核对。
Text Arena:Gemini 4 Argon(High),#1,1525 分。
Code Arena: WebDev:Gemini 4 Argon(High),#8,1679 分。
帖文称其 Text Arena 分数比 Claude Opus 4.6(High)高 20 分;并称 WebDev 比 Gemini 3.8 Flash(High)高 96 分且从第 29 名升至第 8 名。
帖文将 blended $8/MToken 与 Text Arena 的 Pareto frontier 联系起来,并称模型“最具成本效益”。这是 Arena.ai 帖文中的成本表述;帖子未解释该混合价格的计算口径,不能视作对所有 API 调用成本的独立核算。
1525、1679 以及 #1、#8 是原帖在 2026-09-30 发布时对两个独立榜单的报告值,应作为历史快照引用。
Text Arena 与 WebDev 属于不同榜单,分数不可彼此比较;该帖子也不足以说明它们与 Agent Arena 快照之间的关系。
榜单页面访问受限,故本稿不补充样本量、数据收集区间、评测协议、误差范围或当前排名。
分领域和职业类别名次、与其他模型的差值及 Pareto/成本效益描述均来自 Arena.ai 原帖;帖子未提供足够底层数据以独立复算。
本条与已有 Agent Arena 快照(11 号)虽同属 Arena.ai,但评测对象和结果不同:本条记录 Text 与 WebDev 排名;11 号记录 Agent Arena。它也不重复 Google 官方发布稿(01 号)中的厂商基准或开放信息。
原帖可直接核对模型档位、两个榜单名次与分数及其比较声明。榜单页在采集时返回 403,公开证据不足以复现分数或核对细分结果。后续引用应保留本帖链接、发布时间和榜单名称,不要把该快照写成实时排名。
Gemini 4 Argon