塔斯娱乐资讯网

转投文学领域?18项测试赢13项,编程却垫底

停更七个半月,Gemini旗舰终于更新。Gemini 4 Argon正式发布。这可能是最近唯一一个写作、知识和长文本能力明显强于编程与Agent能力的前沿模型。换句话说,它不跟你们卷代码了,它去卷文笔了。
先看数据。
官方列了18项测试,Gemini 4在13项里领先。最大的优势在知识工作:真实金融分析和真实律师工作的两个测试上,领先其他任何模型两档。长上下文测试领先超过10%。输出上限从上一代的6.4万token拉到100万token,一口气能输出70万到100万个汉字。官方解释:当模型有足够空间深入思考,在单次推理中生成数十万词元,能一次性解决棘手问题。
幻觉率只有15%,所有前沿模型里最低。不确定的时候更倾向说不知道,而不是编。
但编程成绩两极分化。
真实世界长周期软件构建测试DeepSWE v1.1,Gemini 4拿77.9%,领先GPT-6 Astra和Claude Opus 5.5接近4个百分点。但从零构建项目的FrontierSWE v2和操作Linux终端的Terminal-Bench 4.0,Gemini 4垫底。
Arena.ai盲评投票里,Text Arena排名第一,Code Arena和Agent Arena只能排到第8。总结一下:知识/写作大于编程大于终端。
价格才是杀招。
API定价每百万token输入2美元、输出10美元,缓存命中0.1美元。优惠期价格是GPT-6 Astra和Fable 5.1的五分之一,和GPT-6.1 Sol、Sonnet 5.5持平。用中端模型的价格,用上旗舰的智能。
一个反常现象值得说。
过度优化Agent编程能力,让很多前沿模型开始不说人话。GPT-5.3延续至今的疯狂分行,Opus 4.7开始的神秘黑话。一个因为编程能力一般而保留文字审美的Gemini,反而能解决很多写作难题。
Google终于可以光明正大宣传会员了。过去半年,Google AI Pro套餐的权益描述是“可以用3 Pro模型”,而3.5 Flash时代之后连Flash都能暴打Pro,买会员基本只是为了那个5T的Google Drive。
当然,彭博社同期报道称Google内部员工对Gemini 4实际性能持怀疑态度,但至少,Google回到了赛场上。
#ai #人工智能 #谁AI上班 #大模型 #科技 #科技资讯早知道