當了這麼久呆呆龍，Gemini Argon 終於翻身？對比 Opus 5.5、GPT-6 Astra

Google 說很強。
翻開考卷，確實有料。

Google 在 9 月 30 日的 Argon 公告中，放了一張涵蓋多項能力的比較表。我們逐列核對：19 列中，Argon 有 13 列單獨最高、1 列並列最高，另外 5 列落後。注意，這是 Google 選定與公布的測試，不是「全世界所有測試贏了七成」。[1]

光是兩種寫程式測試，第一名就會換人。這才是選模型最常遇到的現實：你做什麼，比誰的總分漂亮更重要。

換一家出題，冠軍也會換。

截至 10 月 20 日查詢，Artificial Analysis 的 Intelligence Index 顯示：Opus 5.5 為 58，Argon 和 Astra 均為 53；但在 AutomationBench-AA，Argon 又以 78%，高於 Opus 的 70% 與 Astra 的 68%。[2][3]

AA 比較設定為 Argon High、Opus Max Default Fallback、Astra Max，並非相同運算預算。Intelligence Index 也不是百分制；AutomationBench-AA 不能和 Google 表裡的 AutomationBench 混成同一題。

同一隻龍，
換個駕駛艙就不一樣。

創作者 OhMyUnicorn 做了一個很直觀的挑戰：給模型一張虛構軍艦的參考圖，請它寫 Blender 程式、產出模型，再看渲染結果修正。這次實際造船的對手是 Astra 和 Argon，不是三家都各造一艘。[4]

第一次，Argon 透過 Claude Code 的代理轉接執行，出現等待與卡住的問題。作者後來改用 Antigravity CLI 重跑，三種思考設定都順利完成；更新記錄認為，高設定的視覺品質已能跟 Astra 高設定相提並論。

部件多不等於比較漂亮，但如果接著要拆解、綁定或修改模型，結構差異就可能有影響。好看、好改、做得快，是三個不同的問題。

這也提醒我們：看別人說「某模型很笨」時，先問一句，它是腦袋不行，還是工具根本沒接好？

這是作者的單次作品記錄，不是我們重跑的實測。初次卡住的原因未被完全定位，不能全部算在模型頭上；兩者高設定的 API 計價等值約 $5.24 與 $5.36，Astra 實際用的是訂閱，這不是兩筆實付帳單。

做小行星城市，也出現類似情況。

同一位作者讓模型做一顆可以轉動、放大觀看的小行星城市。Argon 換成 Antigravity CLI、能確實查看畫面後，作者認為成果更完整；但近看的細節，仍更喜歡 Opus 的版本。換工具能救回表現，並不保證每項細節都贏。[5]

三家都來做
一間 3D 風洞實驗室。

VisualForge Bench 公開了三家的可執行作品：車子、風線、相機和控制面板都直接做成網頁。我們已打開三份初始畫面，下面可直接前往原作操作。這是模型寫程式做出來的 3D 展示，不是 Argon 原生生成一支影片。[6]

我們目視檢查的是初始畫面，尚未逐一驗證全部按鈕、效能或手機互動。這些是示意風場，不能當工程 CFD 模擬；其中 Opus 的提示詞雜湊與另外兩份不同，不能宣稱三家完全相同提示詞的公平盲測。原站部分評分由 Opus 模型裁判產生，因此本篇不拿其平均分直接排冠軍。

影片由原作者測試頁連出，保留原始播放器與署名；本篇未逐段觀看全片，不把影片標題當評測結論。也可直接到 YouTube 觀看 ↗。

這次不是梗圖。
它們真的打敗了終界龍。

10 月 15 日公開的研究預印本，記錄了四個 Argon Agent 在 Minecraft 裡分工合作，從隨機世界開始，最終打敗終界龍。[8]

它們透過 Mineflayer 程式介面控制角色，在簡單難度下執行；不是像人一樣盯著螢幕、用鍵盤滑鼠玩，也沒有跟 Opus、Astra 做同條件對照。

所以這件事證明的，是長時間規劃、寫程式、犯錯再繼續的潛力。並不是「Argon 已經能接手你所有工作」。但不得不說，從被畫成呆呆龍，到真的組隊去打龍，這劇情還滿勵志的。

它有資格爭大哥。
但王位還沒坐穩。

Argon 有漂亮的官方成績，也有值得看的實際作品；換工具後的進步，讓我們更難用一張梗圖判它出局。另一方面，獨立評測與創作者成果都沒有呈現「全面輾壓」。

如果你拿 AI 做網站、影片工具或品牌素材，我會先把問題換掉：不要只問誰最強，改問誰能把我的這一份工作，做得更完整？

下一張梗圖誰吐舌頭，還很難說。
先讓它們把作品交出來。

梗可以很兇，
結論不用急。

不同版本的三頭龍梗圖，確實常把 Gemini 畫成吐舌頭的搞笑擔當；也有把它畫成強者的反轉版。梗圖反映的是社群情緒，不是每代模型的效能排名。

社群梗圖由讀者提供，僅用於本文評論，非效能評測。相關原貼與可核對資料列於文末；目前未找到完整核對每代日期及測試結果的歷史合集。