
Sebagian besar pekerjaan saya adalah agen di terminal, jadi baris yang saya perhatikan adalah terminal-bench 4.0. Argon adalah yang terakhir dari keempatnya: 57,4% vs 66,4% untuk Opus 5.5. Namun, Argon unggul pada input panjang. Graphwalks pada 256k hingga 1j: 84,2% vs 71,8% untuk GPT-6 Astra. Hingga 128k, selisihnya hanya satu poin.