网易首页 > 网易号 > 正文 申请入驻

1000万上下文!盲测打脸GPT-6,又一神秘AI模型准备掀桌

0
分享至


编辑:kid

9 月下旬的全球 AI 评测圈,被一个突如其来的神秘“幽灵”彻底打破了平静。

在业界公认最具公信力的盲测平台 LMSYS Chatbot Arena 以及极客内部基准测试网中,一个挂着“gemini-3.8-flash”伪装标签的未公开模型悄然上线。在随后的数百场多轮对抗里,该模型展现出远超现有生产环境模型的推理与代码重构能力,把 9 月初刚刚登顶的各大旗舰模型拉下了王座。

多位顺藤摸瓜排查接口元数据的核心开发者证实,该模型的内部调用代号为“ARGON”(或 argon-d),极大概率是谷歌 DeepMind 尚未正式官宣的次世代王牌 Gemini 4 Pro 早期评估检查点。

泄露出的评测数据让整个开发者社区为之侧目:高达 1000 万(10M)Token 的极端上下文输入、单次 25.6 万 Token 的极限输出,以及在 Terminal-Bench、DeepSWE 等硬核软件工程基准上对 OpenAI 旗舰模型 GPT-6 Astra 的全面超越。在 9 月 29 日 OpenAI 开发者大会(DevDay)召开前夕,这场意料之外的跑分偷跑,提前吹响了大模型终极对决的号角。


01

LMSYS 盲测惊现幽灵模型,代号“Argon”引爆全网

这场技术风暴发端于竞技场盲测中一系列反常的高分战绩。

作为全球开发者与算法工程师盲测前沿大模型的核心阵地,Chatbot Arena 经常成为各大实验室匿名测试新权重的试验田。从 9 月 19 日开始,许多测试者发现自己匹配到了一个看似普通却异常强悍的测试节点。面对横跨数十个复杂文件、包含大量晦涩隐式依赖的项目重构需求,该节点几乎能在瞬间理清调用关系,给出一次性编译通过的补丁。

最初外界以为这只是谷歌 9 月 2 日发布的 Gemini 3.8 Flash 的优化微调版本。资深开发者通过抓包分析接口响应头、指令吞吐特征与返回指纹,终于捕捉到了关键线索:后台频繁出现未曾公开的系统特征标识“argon-d”。


伴随测试样本扩大,更多令同行震惊的评测报告在私密极客社区迅速流出。在专门考验自主终端操作能力的 Terminal-Bench 2.1 榜单上,Argon 跑出了惊人的断层第一;在模拟真实工业级软件缺陷修复的 DeepSWE v1.1 基准中,其单次解决率大幅领先行业平均水平。

一时间,“谷歌提前放出了 Gemini 4 预训练底座”的猜测传遍硅谷。各大实验室用代号打掩护、在盲测场提前收集对抗反馈的打法早已屡见不鲜,Argon 所展现出的技术代差依然让围观者感到震撼。

02

1000 万 Token 吞吐极限,整个代码库直接塞进上下文

在所有流出的技术参数中,最让工程界感到窒息的指标,无疑是其高达 1000 万(10M)Token 的有效输入窗口。

回看大模型的发展脉络,长文本处理经历了一场漫长演进。过去的模型受限于注意力机制的二次方计算复杂度,上下文往往被限制在数万到数十万 Token 之间。即便此前宣称支持百万级上下文的方案,在面对“大海捞针”(Needle In A Haystack)的深度交叉检索时,也经常陷入前记后忘、幻觉频出的窘境。

为了规避长文本带来的算力暴增与召回精度衰减,主流 AI 编程助手与企业工具不得不重度依赖检索增强生成(RAG)技术。RAG 的本质是通过向量检索把相关代码片段硬塞给模型,这种切片式喂养天生存在视野盲区,面对跨模块、多层继承与动态调用的复杂架构往往无能为力。

Argon 的 1000 万 Token 窗口彻底打破了这种妥协。1000 万 Token 相当于约 700 万到 800 万个英文单词,足以将 Linux 内核核心源码、Chromium 渲染引擎或者一个大型企业级 Monorepo 单体仓库的所有代码、提交历史与架构文档完整装入单次 Prompt。

泄露日志表明,在长达数百万 Token 的极端注入测试中,Argon 的细粒度事实召回准确率始终稳定在 99.5% 以上。配合高达 25.6 万 Token 的单次生成输出上限,开发者不再需要分章节反复微调,模型能够直接吐出包含完整前后端逻辑、配置文件与单元测试的工业级整套模块。

从依靠切片检索缝缝补补,到全量代码库瞬时加载,这种工程范式的颠覆,正是大模型原生上下文能力的胜利。

03

正面硬刚 GPT-6 Astra,前沿大模型决战系统级 Agent

Argon 此时的突然走漏,让整个 9 月的大模型战局变得极具戏剧张力。

就在 9 月初,OpenAI 携旗舰大模型 GPT-6 Astra 震撼登场,主打深度推理、自主工具调用与关键网络安全防御能力,一度被视作当下无人能撼动的王座捍卫者。Anthropic 也在同月推出了 Claude Fable 5.1,力图通过强化思维链锁定企业级市场。


Argon 的测试成绩直接给老对手送上了一记精准迎头痛击。对比数据显示:

  1. 终端与操作系统交互:在模拟人类工程师日常操作终端的 OSWorld 2.0 评测中,Argon 凭借对底层 Linux Shell 的原生理解,展现出完全自主的 Git 分支排查、环境容器构建以及自动化纠错能力,成功率超越 GPT-6 Astra 达 8 个百分点。

  2. 跨会话持久记忆:Argon 在调用过程中支持跨任务的状态快照保持,不需要外部数据库频繁中继,天然具备多 Agent 协作所需的记忆连续性。

  3. 算力底座突破:业内分析指出,Argon 能在如此恐怖的上下文尺度下维持高并发吞吐,得益于谷歌自研 TPU 算力集群与新型稀疏注意力机制的高效配合,在工程优化层面展现了深厚的全栈垂直整合优势。

距离 OpenAI 定于 9 月 29 日召开的 DevDay 只有短短几天时间。在山姆·奥特曼准备端出 Astra 的更多商业化生态落地之时,谷歌后院这具悄然点火的“重型武器”,让原本胜券在握的发布会多了一层浓厚的对决硝烟。

— 完 —

科技前沿进展每日见

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
国际法院裁定缅甸对其境内穆斯林少数群体犯有“种族灭绝罪”,中方:对越权管辖和扩大解释等问题存在关切,认为有关做法不利于争端解决

国际法院裁定缅甸对其境内穆斯林少数群体犯有“种族灭绝罪”,中方:对越权管辖和扩大解释等问题存在关切,认为有关做法不利于争端解决

政知新媒体
2026-11-20 15:27:31
英伟达解雇黄仁勋一周后,台积电近况曝光:突然要求超额订单先付现金

英伟达解雇黄仁勋一周后,台积电近况曝光:突然要求超额订单先付现金

小徐讲八卦
2026-11-20 11:11:05
不可思议!广东女生相亲提出四项硬性条件,要求男方月入10万,直言自己年轻貌美值得,视频引发网友热议

不可思议!广东女生相亲提出四项硬性条件,要求男方月入10万,直言自己年轻貌美值得,视频引发网友热议

火山詩话
2026-11-20 14:27:45
绝境翻盘!卞相壹顶住重压逆转取胜,斩获三星杯桂冠,李钦诚随手战败

绝境翻盘!卞相壹顶住重压逆转取胜,斩获三星杯桂冠,李钦诚随手战败

L76号
2026-11-20 14:47:33
冲上热搜!花都山姆动工,激活广州北部消费新引擎

冲上热搜!花都山姆动工,激活广州北部消费新引擎

广州花都发布
2026-11-20 18:47:46
比恒大更惊人,中国第二大民企轰然倒下,负债7500亿,创始人落网

比恒大更惊人,中国第二大民企轰然倒下,负债7500亿,创始人落网

墨策史
2026-11-14 02:15:05
等了21年!中国U17今晚22点迎U17世界杯首战,对手是西班牙

等了21年!中国U17今晚22点迎U17世界杯首战,对手是西班牙

懂球帝
2026-11-20 06:38:19
痛哉,中国股市!

痛哉,中国股市!

水皮M0RE
2026-11-20 17:51:49
今晚开播!中央八套黄金档26集好剧来袭!演员阵容雄厚

今晚开播!中央八套黄金档26集好剧来袭!演员阵容雄厚

i书与房
2026-11-20 07:57:59
秘密行程?特朗普起飞前,收走了所有记者手机!

秘密行程?特朗普起飞前,收走了所有记者手机!

胜研集
2026-11-20 01:28:08
扫地出门!曼联“标王”或火速转投尤文!2亿镑强援有望空降红魔

扫地出门!曼联“标王”或火速转投尤文!2亿镑强援有望空降红魔

头狼追球
2026-11-20 13:01:14
文班亚马32分11板马刺轻取快船,卡斯尔21+6+12加兰23分5助

文班亚马32分11板马刺轻取快船,卡斯尔21+6+12加兰23分5助

湖人崛起
2026-11-20 11:31:13
媒体人:巴里-布朗已抵达烟台与球队汇合,今晚登场与否还需评估

媒体人:巴里-布朗已抵达烟台与球队汇合,今晚登场与否还需评估

懂球帝
2026-11-20 14:48:58
1973年,伊朗国王亲信大臣阿拉姆的日记曝光:巴列维每日必须进行多次性生活,否则就会跌入重度抑郁

1973年,伊朗国王亲信大臣阿拉姆的日记曝光:巴列维每日必须进行多次性生活,否则就会跌入重度抑郁

磊子讲史
2026-11-19 15:31:48
APEC全家福惊现"最不受欢迎的人",零会晤背后藏着什么?

APEC全家福惊现"最不受欢迎的人",零会晤背后藏着什么?

三周檀的鲲
2026-11-19 19:55:46
荷兰导弹7枚击中克里米亚大桥,俄罗斯质问荷兰:你们参战了?

荷兰导弹7枚击中克里米亚大桥,俄罗斯质问荷兰:你们参战了?

桂系007
2026-11-18 23:50:36
高市早苗在深圳就台湾问题表态,外交部最新回应:日方在台湾问题上尽快纠正错误言行

高市早苗在深圳就台湾问题表态,外交部最新回应:日方在台湾问题上尽快纠正错误言行

每日经济新闻
2026-11-20 17:08:48
比亚迪发布折叠方向盘,10秒钟可边泊车边折叠

比亚迪发布折叠方向盘,10秒钟可边泊车边折叠

新京报
2026-11-19 22:46:06
俄政府敲定克里米亚大桥修复方案

俄政府敲定克里米亚大桥修复方案

参考消息
2026-11-20 14:27:04
饭店88元红烧“小鸡”竟是候鸟,男女老少齐上阵,村民直言“留着鸟干嘛”;起底候鸟迁徙通道上的血色产业链

饭店88元红烧“小鸡”竟是候鸟,男女老少齐上阵,村民直言“留着鸟干嘛”;起底候鸟迁徙通道上的血色产业链

大风新闻
2026-11-20 10:22:07
2026-11-20 19:28:49
IT小埋 incentive-icons
IT小埋
爱科技,爱生活,爱吃瓜
1250文章数 1490关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

亲子
房产
教育
时尚
军事航空

亲子要闻

宝宝气人但是聪明的4个行为

房产要闻

6.6亿!海口卖地!

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版