研究工作台 / 總覽
SNAPSHOT 2026.10.22
+ A CLEARER VIEW OF MODEL INTELLIGENCE

用證據，
找準模型的方向。

新模型不斷出現，好的判斷需要清楚的座標。
把發布、規格與評測拆開看，從原始來源理解每一次更新。

探索模型 ↗我們如何看待證據 →
Task-conditioned. Source-backed. Open to uncertainty.
模型來源導航 · 圖中位置不代表能力排名
08模型發布4 個模型供應商
15原始來源官方文件與模型卡
04評測註記保留方法與限制
最近研究更新2026 年 10 月 22 日
02 / MODEL EXPLORER

模型探索.

先對照規格，再打開來源。勾選模型即可並排比較。

研究資料 JSON ↓
2026 年 10 月 22 日模型發布研究資料
加入比較模型名稱 MODEL供應商發布日期 ↓API CONTEXT證據類型
gemini-4-argonGoogle2026-10-131,048,576 官方規格
claude-haiku-5-5Anthropic2026-10-071M · 官方標示 官方規格
gpt-6.1-solOpenAI2026-09-291,050,000 官方規格
claude-sonnet-5-5Anthropic2026-09-281M · 官方標示 官方規格
claude-opus-5-5Anthropic2026-09-221M · 官方標示 官方規格
gpt-6-solOpenAI2026-09-22未收錄 官方規格
gpt-6-lunaOpenAI2026-09-22未收錄 官方規格
grok-4.7xAI2026-09-21未收錄 官方規格
顯示 8 / 8 個模型「未收錄」表示本輪沒有完整規格證據，並非不支援。
03 / IN FOCUS OCTOBER UPDATE

Gemini 4 Argon↗

更大的推理空間，
也需要更精確的解讀。

1,048,576tokens輸入、思考、輸出，共享同一個 context window。
INPUTTHINKINGOUTPUT
同步輸出上限65,536 tokens
推理等級low / medium / high
長輸出條件Background execution

區段比例僅為示意。API 的模型規格、Antigravity 的方案資格與實際帳戶可用性，必須分開確認。

Google AI · 官方模型規格 ↗
04 / EVIDENCE, WITH CONTEXT

讀懂數字背後的條件.

以下僅為 Argon 的外部評測註記，不是模型間的能力排行。

Google 自報 · Grade C
REPOSITORY CODING 01

DeepSWE v1.1

77.9%
77.9%

pass@1 · mini-swe agent

Harness revision、樣本數未完整取得方法與來源 ↗
TERMINAL TASKS 02

Terminal-Bench 4.0

57.4%
57.4%

pass@1 · 最高 thinking

Google 自行計算，非已確認的獨立重現方法與來源 ↗
LONG-HORIZON AGENT 03

Agent’s Last Exam

39.5%
39.5%

Binary pass · ALE-Claw · 5 小時

安全過濾啟用；精確版本與樣本數未知方法與來源 ↗
COMPUTER USE 04

OSWorld 2.0 · offline

69.2%
69.2%

Partial reward · 三次取最大值

不等於 pass@1，不能直接與其他列相比方法與來源 ↗
!

同樣是百分比，也可能衡量不同的事情。評測版本、harness、effort 與聚合方式不同，數字就不應直接拿來排名。查看完整 Model Card ↗

05 / RESEARCH PRINCIPLES

把已知與未知，都說清楚.

01 /

規格不是實測

官方發布能確認模型名稱與 API contract。它不能證明某個帳戶已取得存取權，也不能直接證明特定任務的成功率。

OFFICIAL ≠ MEASURED LOCALLY
02 /

分數必須帶著方法

保留 benchmark 版本、工具環境、推理設定與評測方。缺少的 metadata 就標為未知，廠商自報也會清楚註明。

PROVENANCE BEFORE PRECISION
03 /

把選擇放回任務

模型、harness、context 與工具權限共同影響結果。本次研究尚未產生 matched local performance evidence，因此不宣稱通用贏家。

TASK-CONDITIONED DECISIONS
如何解讀證據
A / B 方法與原始資料較完整
C 廠商自報或配置不完整
D 待查線索，不進數值 prior
06 / FOLLOW THE SOURCES

每個結論的起點.

15 筆 primary sources，查閱日期為 2026-10-22。來源會隨時間更新。

01Gemini 4 Argon · 首次發布Google 02Gemini 4 Argon · 擴大推出Google 03Gemini 4 Argon · API 規格Google AI 04Argon · 推理、長輸出與價格Google AI 05Gemini 4 Argon · Model CardGoogle DeepMind 06Argon · 評測方法與限制Google DeepMind 07Argon in AntigravityGoogle Antigravity 08模型與方案資格對照Google Antigravity 09Claude · 模型規格總覽Anthropic 10Claude Opus 5.5Anthropic 11Claude Sonnet 5.5Anthropic 12Claude Haiku 5.5Anthropic 13API · 模型更新紀錄OpenAI 14GPT-6.1 Sol · API 規格OpenAI 15Introducing Grok 4.7xAI

這裡保存引用與事實摘要。原始文章、圖表、模型與評測資料的權利及條款，屬於各自的權利人。

MODEL RESEARCH NOTE
SIDE-BY-SIDE

比較模型規格

這裡比較的是公開規格，不是任務表現。