01 发生了什么
谷歌发布了 Gemini 4 Argon 模型的新性能和安全性细节。该模型在 Embodied Reasoning (ERQA) 基准测试中得分为 87%，该测试衡量 3D 环境中的物理和空间推理能力。在 Gray Swan 间接提示注入基准测试中，攻击成功率为 0.7%。谷歌称，与之前的 Gemini 模型相比，压力测试中的安全违规减少近一半。此外，谷歌正在为 10,000 名科学家提供六个月免费的 Google Antigravity 最高使用层级。
02 关键细节
- 谷歌报告 Gemini 4 Argon 在 Embodied Reasoning (ERQA) 基准测试中获得 87% 的分数，在 3D 环境中的纯推理能力上超过其他前沿模型。
- 在 Gray Swan 间接提示注入基准测试中，Argon 在 15 次自适应尝试中的攻击成功率为 0.7%，领先所有评估模型。
- 安全评估显示，外部生物红队测试仅解锁了不到 1% 的测试生物子任务，对抗性压力测试中的违规行为比之前的 Gemini 模型减少近一半。
- 谷歌为 10,000 名科学家提供六个月免费的 Google Antigravity 最高使用层级，需符合资格、名额限制并通过选拔；现已开放申请。
03 为什么重要
新的基准测试和安全评估为 Argon 的能力提供了具体证据，对于考虑部署的企业和研究人员至关重要。免费科学家计划旨在加速研究。
04 适合谁
企业、软件开发人员、研究人员及信息安全专业人员。
原始来源