Gemini 4 Pro偷跑上线，碾压Astra和Fable

大模型竞技场Arena近日悄然出现一款名为“gemini-3.8-flash”的新模型。多位开发者实测后认为，这极有可能是谷歌DeepMind的下一代旗舰Gemini 4 Pro。一张流传的基准图显示，该模型在编码、智能体、推理等领域全面超越GPT-6 Astra和Claude Fable 5.1。

谷歌上一次大版本更新Gemini 3.1 Pro已是7个月前。此前谷歌I/O大会预告Gemini 3.5 Pro将于6月上线，但最终取消，原因是其进化程度连Flash都比不上。好在Gemini 4预训练评估优秀，后训练仍在进行。如今它以“gemini-3.8-flash”的马甲在Arena现身，而Gemini 3.8 Flash早在9月初已发布，同名再出现极不寻常。

泄露的基准测试成绩亮眼：DeepSWE v1.1智能体编码任务拿下最高88%分，比Astra多近2%；GDPval-AA v2真实知识工作任务中唯一获得2064 Elo；Terminal-bench 2.1终端编码能力达95.3%；OSWorld-2.0计算机使用能力斩获86.8%，击败Astra和Fable。价格方面，每百万Token输入2.25美元、输出11.25美元，为“御三家”中最具性价比。AI研究员Qwinah发现其后端有1000万输入上限、25.6万输出上限，支持永久跨会话记忆，无需API即可联网。

实测方面，开发者Bee称其14分钟打造出素描铅笔质感的创意展示网页，实现“滚动即笔触”效果；赛博朋克风格工作网站首屏结合3D网格、数据仪表盘和可交互3D模型。经典“鹈鹕骑自行车”测试中，配色、日夜切换、车灯、解剖标注、踏频控制完成度不输顶尖大模型。Pankaj Kumar总结：速度很快，SVG和3D生成明显进步，一次提示即可较准地处理复杂要求，甚至能直接生成带完整交互逻辑的小游戏。此外，像素风3D宝塔、10分钟制作的空客H145直升机3D模型、3D飞行模拟等测试中，4 Pro画面效果大幅超越Gemini 3.8 Flash，证明二者并非同一款。游戏生成方面，“我的世界”页面搭建和3D卡丁车竞速游戏表现不输此前Astra的测试。

谷歌真正押注的是RSI（递归自我改进）。上个月，Google DeepMind首席战略官Jasjeet Sekhon在伯克利活动上明确表示，RSI已成为AI巨额投资逻辑的关键一环。全网流传更激进的说法：Gemini 4提前完成预训练，正是因为DeepMind在训练中实现了“RSI闭环”。14日，谷歌公开名为Dream-RSI的研究，探讨如何让Agent在探索中不断改进搜索策略。可以确认，DeepMind已将RSI摆到非常重要位置，AI参与改进AI的迹象越来越多。

面对已彻底变样的牌桌——OpenAI有Astra，Anthropic有Fable 5.1，两大巨头已把竞争从聊天卷到长任务、Agent、代码、推理乃至自主科研——谷歌若只做出“比Gemini 3.8更强”的模型已不够。Gemini 4 Pro必须重新证明Gemini还在最前沿。谷歌要撑住4.23万亿美元市值，保持AI实力在第一梯队至关重要。