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
亚太潮涌|接棒中国!越南担任2027年APEC东道主

亚太潮涌|接棒中国!越南担任2027年APEC东道主

中国青年报
2026-11-19 20:18:27
消息传来:她已离世!出生在上海,容祖儿、谢霆锋、古巨基都是她的学生

消息传来:她已离世!出生在上海,容祖儿、谢霆锋、古巨基都是她的学生

上观新闻
2026-11-20 17:29:02
表演型人格,高市早苗APEC之行,除卖萌制造话题几乎没人搭理

表演型人格,高市早苗APEC之行,除卖萌制造话题几乎没人搭理

三叔的装备空间
2026-11-20 15:00:54
原来闷声发大财的行业这么多!网友:教中文一年挣800万

原来闷声发大财的行业这么多!网友:教中文一年挣800万

另子维爱读史
2026-11-19 20:22:52
两性关系:发现了没,寿命长的男人,大多都有这五个好习惯

两性关系:发现了没,寿命长的男人,大多都有这五个好习惯

荔子言
2026-09-08 14:55:50
领导人们都吃什么?APEC深圳晚宴菜单出圈,头道菜藏着小巧思

领导人们都吃什么?APEC深圳晚宴菜单出圈,头道菜藏着小巧思

刘振起观点
2026-11-19 14:35:45
特朗普失算,被曝重仓英伟达,猎头正接触候选人,黄仁勋没戏了?

特朗普失算,被曝重仓英伟达,猎头正接触候选人,黄仁勋没戏了?

远山行客
2026-11-20 18:08:29
拒逆转!唐斯22+12+4,库明加23+3+3,灰熊收大礼,西部第四易主

拒逆转!唐斯22+12+4,库明加23+3+3,灰熊收大礼,西部第四易主

篮球大视野
2026-11-20 11:37:58
女澡堂里不敢看的一幕:脱了衣服,女人的底牌全露了

女澡堂里不敢看的一幕:脱了衣服,女人的底牌全露了

王二哥老搞笑
2026-10-17 00:35:34
最能治文吉儿的人出现,马天宇向她开炮,明哄暗讽超强输出,看爽了

最能治文吉儿的人出现,马天宇向她开炮,明哄暗讽超强输出,看爽了

糊咖娱乐
2026-11-20 18:11:40
张本美和:孙颖莎团体赛更强!王曼昱更擅长个人赛 王楚钦混双丢分多

张本美和:孙颖莎团体赛更强!王曼昱更擅长个人赛 王楚钦混双丢分多

念洲
2026-11-20 15:11:21
武汉徐东集团公告经营困难,分红难继续,200套抵债还建房继续分

武汉徐东集团公告经营困难,分红难继续,200套抵债还建房继续分

户外钓鱼哥阿旱
2026-11-20 12:09:06
降息,再次落空

降息,再次落空

大川东山再起
2026-11-20 16:02:32
真相炸裂!宗庆后3个私生子并非同一母亲,小儿子是别墅管家所生

真相炸裂!宗庆后3个私生子并非同一母亲,小儿子是别墅管家所生

派大星纪录片
2025-07-15 13:28:11
寥寥11个草书字,认出3个已属难得!全认出来,老师别急着走!

寥寥11个草书字,认出3个已属难得!全认出来,老师别急着走!

书画相约
2026-11-20 15:11:13
乌军炸断克里米亚大桥,残骸堵死亚速海航道,俄方修桥至少要数周?

乌军炸断克里米亚大桥,残骸堵死亚速海航道,俄方修桥至少要数周?

桂系007
2026-11-19 22:02:42
局势彻底反转了!中方准时行动,俄也介入了,高市后路已被封,日本成不了军事强国,掀起舆论广泛热议

局势彻底反转了!中方准时行动,俄也介入了,高市后路已被封,日本成不了军事强国,掀起舆论广泛热议

民宿体验志
2026-11-15 19:41:13
糖尿病与苹果有关系?发现:想要保护胰岛健康,少吃这4种水果

糖尿病与苹果有关系?发现:想要保护胰岛健康,少吃这4种水果

白宸侃片
2026-11-20 09:50:14
26岁白俄模特被骗到缅甸,遭活摘器官杀害,5名招募者各判21年,幕后黑手还在逃

26岁白俄模特被骗到缅甸,遭活摘器官杀害,5名招募者各判21年,幕后黑手还在逃

文青大叔说
2026-10-10 08:35:45
1949年国军副师长被俘,受审时突然开口:帮我给周恩来发一封电报

1949年国军副师长被俘,受审时突然开口:帮我给周恩来发一封电报

第四思维
2025-07-23 13:38:09
2026-11-20 19:15:00
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

游戏
亲子
艺术
时尚
手机

PC Gamer试玩GTA6百小时:双主角出色但任务重复

亲子要闻

宝宝气人但是聪明的4个行为

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

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

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

无障碍浏览 进入关怀版