把 Gemini 4 Argon（High）放進評測本地模型用的同一組 agent 題目，七題各跑三次，21 次通過 20 次；最難的 log 診斷題答對兩次，是目前所有組合中最好的成績。另記錄在 headless 模式跑 Antigravity CLI 的三個陷阱。