
Sebahagian besar kerja saya ialah agen dalam terminal, jadi bar yang saya perhatikan ialah terminal-bench 4.0. Argon ialah yang terakhir di antara keempat-empatnya: 57.4% berbanding 66.4% untuk Opus 5.5. Ia berjaya mengejar semula pada input panjang. Graphwalks pada 256k hingga 1j: 84.2% berbanding 71.8% untuk GPT-6 Astra. Hingga 128k, jurangnya hanyalah satu titik.