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
我在澳门赌厅干15年,说句实在话:赢钱的人,比输钱的人走得更早

我在澳门赌厅干15年,说句实在话:赢钱的人,比输钱的人走得更早

千秋文化
2026-11-18 20:52:59
苏州有个小伙,伺候女朋友整整七年,连袜子内裤都帮她洗,结果被一杯刚煮开、滚烫的姜茶泼了,他当场转身,彻底跟这段感情一刀两断。

苏州有个小伙,伺候女朋友整整七年,连袜子内裤都帮她洗,结果被一杯刚煮开、滚烫的姜茶泼了,他当场转身,彻底跟这段感情一刀两断。

品读时刻
2026-11-21 09:09:02
继刘欢之后,66岁郎平也步入后尘,1周至少要做3次治疗,现状忧心

继刘欢之后,66岁郎平也步入后尘,1周至少要做3次治疗,现状忧心

往史过眼云烟
2026-11-21 11:30:59
日媒:日本一女警察在警署等地分别与两名上司发生性行为,3人被处分

日媒:日本一女警察在警署等地分别与两名上司发生性行为,3人被处分

环球网资讯
2026-11-21 16:38:05
突发暴跌!超29万人爆仓

突发暴跌!超29万人爆仓

中国基金报
2026-11-21 09:22:17
哈登51+6+6超越奥尼尔!骑士拒步行者24分逆转 米切尔20分

哈登51+6+6超越奥尼尔!骑士拒步行者24分逆转 米切尔20分

醉卧浮生
2026-11-21 10:57:09
希拉里发文炮轰特朗普:指责美总统“助纣为虐”,呼吁国会调查

希拉里发文炮轰特朗普:指责美总统“助纣为虐”,呼吁国会调查

麓谷隐士
2026-11-21 07:11:45
留洋巅峰战!韩旭狂轰38+9创新高压王思雨16+5 赢中国德比

留洋巅峰战!韩旭狂轰38+9创新高压王思雨16+5 赢中国德比

醉卧浮生
2026-11-21 15:19:30
单节仅得8分!广东男篮半场落后NBL球队,徐杰硬撑,阿祖纯副作用

单节仅得8分!广东男篮半场落后NBL球队,徐杰硬撑,阿祖纯副作用

萌兰聊个球
2026-11-21 21:12:48
爆燃致5人遇难,郑州市调查组:建议不追究车主刑责

爆燃致5人遇难,郑州市调查组:建议不追究车主刑责

极目新闻
2026-11-21 14:32:12
说出来你都不敢信,美国总统飞一趟中国,花出去的钱足足能买3辆全新的劳斯莱斯!

说出来你都不敢信,美国总统飞一趟中国,花出去的钱足足能买3辆全新的劳斯莱斯!

扶苏聊历史
2026-11-20 15:37:24
感谢中国女保镖,墨西哥首位女总统的人生同样彪悍:硬核能源学家,业余八段锦高手,在“史上最血腥选举”杀出重围,从未向特朗普低头

感谢中国女保镖,墨西哥首位女总统的人生同样彪悍:硬核能源学家,业余八段锦高手,在“史上最血腥选举”杀出重围,从未向特朗普低头

极目新闻
2026-11-21 20:11:56
美媒发现:英伟达失去中国市场之后,最危险的对手正在中国长出来

美媒发现:英伟达失去中国市场之后,最危险的对手正在中国长出来

麓谷隐士
2026-11-21 07:19:12
突发!黄仁勋掀桌了

突发!黄仁勋掀桌了

小鱼爱鱼乐
2026-11-21 16:08:24
中国台北代表施振荣的不习惯,映照台当局在两岸交流上的政治操弄!

中国台北代表施振荣的不习惯,映照台当局在两岸交流上的政治操弄!

有态度的何总
2026-11-21 08:06:02
何沁教授逝世

何沁教授逝世

极目新闻
2026-11-21 16:50:35
“不把孩子带到这个世界,才是对孩子真正的负责”,成为了大部分90后、00后的想法

“不把孩子带到这个世界,才是对孩子真正的负责”,成为了大部分90后、00后的想法

舒山有鹿
2026-11-20 16:20:23
突发!惨烈!美国,股灾了!

突发!惨烈!美国,股灾了!

财经要参
2026-11-21 15:52:09
强迫女友发生关系,18岁男子获刑3年,出狱后两人复合同居,女友因吵架提及强奸旧事被杀害;该案即将一审开庭

强迫女友发生关系,18岁男子获刑3年,出狱后两人复合同居,女友因吵架提及强奸旧事被杀害;该案即将一审开庭

大风新闻
2026-11-21 19:30:06
逼急了!网传广东一男子沉迷每晚玩魔兽,妻子劝说无果,公布其游戏ID号召网友凌晨上线截杀

逼急了!网传广东一男子沉迷每晚玩魔兽,妻子劝说无果,公布其游戏ID号召网友凌晨上线截杀

火山詩话
2026-11-20 12:08:28
2026-11-21 21:55:00
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

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

虞书欣擦边自拍、霸凌同事、媒体点名?

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

教育
时尚
本地
家居
房产

教育要闻

教育纵深 | 秋假,把课堂搬进秋天

提升冬日幸福感的8件小事,太治愈了

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

家居要闻

2026建博会(广州) 公装联探展交流活动

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

无障碍浏览 进入关怀版