Gemini 4 Pro / Flash 实测、跑分与上手

视频用 FrontierCS 2 成绩对比 Gemini 4 Argon（Antigravity）与 GPT-6 Astra（Codex），称 Argon 以 54 比 44 胜出，并批评 Astra 缺乏品味。

对比 Codex Plus、Claude Pro、Google AI Pro 和 Cursor Premium 四档订阅，Google AI Pro 提供 Gemini 4 Argon 与 Flash。

一位用户用 Ultra 账号在 Antigravity 里跑了一整天 Gemini 4 Argon，抱怨需要反复引导和迭代，并称 Claude Code 桌面端与 Opus 5.5 才是生产力支柱。

Induction Labs 榜单新增 Gemini 4 Argon、DeepSeek V4.1 Flash 与 MiniMax M3.1 Flash，Argon 与 GPT-6.1 Sol 相当，落后于第一梯队。

同一提示词让 Claude Opus 5.5、GPT-6 Astra、Gemini 4 Argon、Grok 4.7 各做一段齿轮泵动画，作者不评分，让观众判断哪个真的在泵液体。

20 个专家撰写的报告任务，各模型得分 54.3%–64.1%，Gemini 4 Argon 居首；失分主要来自取舍内容和解释事实含义。

Google AI Pro 用户实测：多数任务用 Gemini 4 Argon 的 Medium 思考等级即可，High 反而容易卡住，作者建议 Google 加自动选择思考强度的模式。

作者用 Google Argon（据传即 Gemini 4 Pro）对 Anthropic 完整 S-1 注册文件做实时解读并录屏。

一条回复截图：用户请 Gemini 更新图表并标出 Argon 的 high 设置，涉及 Gemini 4 Argon 的档位信息。

Google 称 Gemini 4 Argon 通过 vLLM 在 A100 上把 gemma-4-E2B-it 从约 3.79 万提升到 10.8 万 tokens/秒，token 完全一致、质量无损，改动分布在 8 个 PR。

作者试用 Gemini Argon 两天，只让它当流程顾问也失败，认为它缺乏大模型的知识密度，推测 Argon 是小尺寸 Flash 级模型，后续还会有更大系列。

周报称 Kimi K3.1 Pro 在多项 benchmark 追平 Claude Opus 5.5 和 GPT-6 Astra，Arena 上 agentic 任务仅落后 Gemini 4 Argon 和 Muse Wonder Full；另含 OpenAI 对齐与监控事故。