Gemini 4 Argon 並沒有解決幻覺問題。在 2026 年 10 月 5 日的資料中，Artificial Analysis 列出的 AA-Omniscience 幻覺率為 15.1%，準確率為 49.9%。這是兩個不同的指標，15.1% 也不是所有回答中錯誤回答的占比。
10 月 5 日資料
| AA-Omniscience 欄位 | Argon (High) |
|---|---|
| 準確率 | 49.9%（0.499） |
| 幻覺率 | 15.1%（0.1506986） |
| 配套的非幻覺率 | 約 84.9% |
配套數字約等於 1 減去報告的幻覺率。如果 Artificial Analysis 更新模型紀錄，應重新核對日期和數值，再把它當作目前成績引用。
來源：@rdominguezibar。圖中標題是該貼文的原文。腳註註明，圖表採用 2026 年 9 月 30 日的 Artificial Analysis AA-Omniscience 資料；Argon（High）的成績經過四捨五入，顯示為 15% 幻覺率和 50% 答對率。該貼文還表示 Argon 當時尚未公開提供，且只測試了 High 設定。上表使用 10 月 5 日的模型紀錄：15.1%（0.1506986）和 49.9% 準確率。
這個分母統計什麼？
根據 AA-Omniscience 方法說明，準確率是正確回答數除以全部問題數。幻覺率的公式是：
incorrect / (incorrect + partial + not attempted)正確回答不計入幻覺率分母。這個指標衡量的是：在模型沒有獲得「正確」評分的情況下，它有多大比例會直接斷言一個錯誤答案；它不是所有回答的錯誤率。
來源：@Cozycanvas53144，這是 Artificial Analysis 圖表的截圖。Argon（High）為 15%，並標註為尚未公開提供。圖表上的定義與上方公式相同：錯誤回答數除以錯誤、部分回答和未嘗試回答的總數。
一個用來說明的計算
下面的 1,000 題分布只是解釋公式的假設示例，並不是 Argon 的實際答題數量：
| 示意結果 | 數量 |
|---|---|
| 正確 | 800 |
| 錯誤 | 30 |
| 部分回答或未嘗試 | 170 |
條件幻覺率為 30 / (30 + 170) = 15%。全部問題中的直接錯誤占比為 30 / 1,000 = 3%。資料中的 Argon 實際 AA-Omniscience 準確率約為 49.9%，因此不能把 800/30/170 這個示例說成 Argon 的實際分布。
這個成績能說明什麼？
這個成績支持一個有限的結論：在這項評測中，Argon 在非正確結果中的錯誤回答率約為 15.1%。它不能證明每個回答都可靠，不能證明模型在不知道時總會拒答，也不能證明幻覺已經消失。同一紀錄中的準確率低於 50%，也表示模型在這項評測中大約有一半問題沒有答對。
Argon 的其他評測請看按來源整理的基準測試。Token 價格與存取時間請看 API 價格和發布狀態。Gemma 4 是獨立的開放權重模型；實際執行時的問題排查可參考疑難排解指南。
