
Hầu hết công việc của tôi đều là các tác vụ trong terminal, nên hàng tôi quan tâm là terminal-bench 4.0. Argon là cuối cùng trong bốn cái đó: 57,4% so với 66,4% của Opus 5.5. Tuy nhiên, nó vượt lên trên các đầu vào dài. Graphwalks ở 256k đến 1m: 84,2% so với 71,8% của GPT-6 Astra. Đến 128k, khoảng cách chỉ là một điểm.