评估对象：Gemini 4 argon contributor（来自opencode go） vs deepseek-v4 flash+pro（来自opencode go） 
评估方法来自本人自建的一套学术综述撰写流程： 

检索指定主题（原发性膜性肾病的发病机制）的文献，构建文献材料库（共85篇，包括66篇pdf原文及19篇摘要）；
将文献材料进行文本分块并向量化； 
3.1 基于所有文献的摘要，写一个分点式的综述框架，题目为原发性膜性肾病的发病机制； 
3.2 以综述框架的终末子标题为检索对象，利用RAG的方式检索文本块及图片； 
3.3 每个“终末子标题+相关文本块”构成一个综述片段，组装综述片段即为成品综述。

比较维度： 

生成综述大纲能力的评估：该任务为基于85篇文献摘要生成综述大纲，考察复杂长文本（约131k字符数，非token数）下模型的注意力和输出意愿；
综述整体的评估...