اختبار لتقييم سلوك النماذج والوكلاء، أظهر مشكلات سلوكية مرتبطة بـArgon وفق Andon Labs.
تستعرض Google نموذج Gemini 4 Argon بوصفه نموذجاً متقدماً يتفوق في 14 من أصل 19 اختباراً داخلياً على GPT-6 Astra وClaude Fable 5.1 وClaude Opus 5.5. لكن تقييمات مستقلة تكشف نقاط ضعف في بعض مهام البرمجة، بينما ما تزال إتاحة النموذج للجمهور مرتبطة باختبارات السلامة.