Google 自家基准显示 Gemini 在编码上胜过 Opus，也在编码上输给 Opus

有用户查看 Google Gemini 4 Argon 的基准数据后发现：Argon 在 DeepSWE 上以 77.9% 对 74.2% 领先 Opus 5.5，但在 Terminal-Bench 4.0 上 Opus 以 66.4% 对 57.4% 明显胜出，FrontierSWE 上 Opus 也占优。同一批模型在不同测试集上结果相反，引发对“最佳编码 AI”标签实际意义的讨论。

AI推荐理由 帖子引用 Google Gemini 4 Argon 与 Opus 5.5 在 DeepSWE、Terminal-Bench 4.0、FrontierSWE 上的具体分数差异，指出同一模型在不同基准上胜负相反，对评估“最佳编码 AI”标签有参考价值；但来源为 Reddit 用户转述，未提供基准原始链接，且结尾为开放式提问，证据强度有限。