Gemini 4 Argon 并没有解决幻觉问题。在 2026 年 10 月 5 日的快照中，Artificial Analysis 列出的 AA-Omniscience 幻觉率为 15.1%，准确率为 49.9%。这是两个不同的指标，15.1% 也不是所有回答中错误回答的占比。
10 月 5 日快照
| AA-Omniscience 字段 | Argon (High) |
|---|---|
| 准确率 | 49.9%（0.499） |
| 幻觉率 | 15.1%（0.1506986） |
| 配套的非幻觉率 | 约 84.9% |
配套数字约等于 1 减去报告的幻觉率。如果 Artificial Analysis 更新模型记录，应重新核对日期和数值，再把它当作当前成绩引用。
来源：@rdominguezibar。图中标题是该帖的原文。脚注注明，图表使用 2026 年 9 月 30 日的 Artificial Analysis AA-Omniscience 数据；Argon（High）的成绩经过四舍五入，显示为 15% 幻觉率和 50% 答对率。该帖还表示 Argon 当时尚未公开提供，且只测试了 High 设置。上表使用 10 月 5 日的模型记录：15.1%（0.1506986）和 49.9% 准确率。
这个分母统计什么？
根据 AA-Omniscience 方法说明，准确率是正确回答数除以全部问题数。幻觉率的公式是：
incorrect / (incorrect + partial + not attempted)正确回答不计入幻觉率分母。这个指标衡量的是：在模型没有获得“正确”评分的情况下，它有多大比例会直接断言一个错误答案；它不是所有回答的错误率。
来源：@Cozycanvas53144，这是 Artificial Analysis 图表的截图。Argon（High）为 15%，并标注为尚未公开提供。图表上的定义与上方公式相同：错误回答数除以错误、部分回答和未尝试回答的总数。
一个用于说明的计算
下面的 1,000 道题分布只是解释公式的假设示例，并不是 Argon 的实际答题数量：
| 示意结果 | 数量 |
|---|---|
| 正确 | 800 |
| 错误 | 30 |
| 部分回答或未尝试 | 170 |
条件幻觉率为 30 / (30 + 170) = 15%。全部问题中的直接错误占比为 30 / 1,000 = 3%。快照中的 Argon 实际 AA-Omniscience 准确率约为 49.9%，因此不能把 800/30/170 这个示例说成 Argon 的实际分布。
这个成绩能说明什么？
这个成绩支持一个有限的结论：在这项评测中，Argon 在非正确结果中的错误回答率约为 15.1%。它不能证明每个回答都可靠，不能证明模型在不知道时总会拒答，也不能证明幻觉已经消失。同一记录中的准确率低于 50%，也表示模型在这项评测中大约有一半问题没有答对。
Argon 的其他评测请看按来源整理的基准测试。Token 价格与访问时间请看 API 价格和发布状态。Gemma 4 是独立的开放权重模型；实际运行时的问题排查可参考故障排除指南。
