选模型不用再听发布会吹了，直接看榜：Gemini 4 Carbon 在 APEX-Agents 上拿了第一，还是榜上唯一均分过 90% 的模型。
具体分数是：Gemini 4 Carbon，Pass@1 84.2%，均分 90.4%；自家的 Argon 排第二，Pass@1 82.4%，均分 87.4%；Claude Sonnet 5.5 排第三，Pass@1 75.5%，均分 83.7%。
这个榜测的不是单轮问答，而是投行、咨询、公司法务那种多步骤长任务——流程长、环节多、一步错就全盘错，最能看出模型能不能真正干活。
不过分数之外还有一个更实际的问题，已经有人在问了：84.2% 的 Pass@1 背后烧了多少 token？分数到底贵不贵？榜单第一名是一回事，跑起来划不划算，是另一回事。
正文完