AINews：Gemini 4 Argon 正式发布，Vals AI 谈基准测试
Gemini 4 Argon 今日正式 GA，面向编码、知识工作、企业工作流和网络防御开放，覆盖付费 Gemini API、Gemini 应用及 Antigravity 等入口，API 入门价为每百万输入/输出 token 2 美元/10 美元，缓存输入折扣 95%。
推荐理由：汇总了 Gemini 4 Argon 发布当天的模型、评测与基础设施动态，便于一次掌握多条线索。
内容形态
评测基准 最新动态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
2 条精选近 30 天 2 条共收录 3 条
更新
评测基准的精选
Latent Space精选AI 评分7878
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它不看智能体生成的语句，而是检查其在隔离 MCP 工具会话后留下的后端终态与副作用，并对 507 个有状态业务流程各跑 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定成败，并给出可复现的 OpenEnv 运行方式。