
La plupart de mon travail concerne des agents dans un terminal, donc la ligne qui m’intéresse est terminal-bench 4.0. Argon est le dernier des quatre : 57,4 % contre 66,4 % pour Opus 5.5. Il rattrape toutefois sur les entrées longues : GraphWalks de 256k à 1M : 84,2 % contre 71,8 % pour GPT-6 Astra. Jusqu’à 128k, l’écart est d’un point.