Gemini 4 Pro / Flash 实测、跑分与上手

LisanBench 加入多推理档测试：Gemini 4 Argon low/medium 不产生推理 token 却高分，low 拿下非思考榜第一，但被指为「脏循环」；去掉编辑距离规则后 Argon high 排名第二。

HarshithLucky3 展示 Gemini 4 Argon 配合 Blender MCP 的早期阶段效果，属于 3D 建模方向的初步上手尝试。

测评者称 Kimi K3.1 Pro 质量大幅提升、幻觉更少，速度约 40–50 tokens/s，整体水平接近 Gemini 4 Argon，两者在不同任务上各有优势。

用户实测 100 美元的 Google AI Ultra 订阅只对应约 140 美元的 Gemini 4 Argon 使用额度，吐槽对比 Codex 和 Claude 的额度性价比，并称 Gemini 3.8 Flash 是白送的。

用户晒出 Antigravity 里 Gemini 4 Argon High 的用量面板：周额度仍剩 67%，计时器显示 7 分钟后重置。

作者把同一个「造一台水泵」的提示词交给 Claude Opus 5.5、Gemini 4 Argon、GPT-6 Astra 和 Grok 4.7，展示四种截然不同的机械结构，不评分让读者自己判断谁真能抽水。

一位用户展示在 Arena 拿到的首个 Gemini 4 Carbon 结果，称若检查点恢复会继续发更多测试。

一条投票式讨论帖把 Gemini 4 排第一、GPT-6 Astra 第二、Grok 4.7 第三、Claude Opus 5.5 第四，问谁才是真正赢家。

演示用 Gemini 4 Argon 加 Blender MCP，把 Nano Banana 生成的一张哥特式大教堂图直接转成 3D 空间，展示 AI 操作建模工具的流程。

作者用 6 个日文写作任务盲测 Gemini 3.8 思考模式、3.6 Flash 和 4 Argon，发现 3.8 思考模式能精确写满 200 字，Argon 擅长面向 70 岁读者的通俗解释。

视频观点：GPT-6 和 Gemini 4 Argon 没让开发变简单，反而让创始人更难判断哪个任务该用哪个模型。

一条短视频调侃 Kimi K3.1 Pro、Gemini 4 Argon、Claude Haiku 5.5 轮番上阵，bug 依然没修好。