Gemini 4 Pro / Flash 实测、跑分与上手

Business Insider 称 Google 员工在 Jetski 上测试内部 Gemini 4 检查点 Carbon，有人评价编码手感像 Opus 5.5；此前已测 Argon、Barium。

用户把乐高零件倒出来拍视频，用 Gemini 逐帧识别编目，再由 Argon 生成可交互 3D 模型和拼装说明书。

The Information 报道 Google 正开发代号 Gemini 4 Carbon 的模型，看起来在改进上周发布的 Gemini 4 Argon，以应对 Anthropic 和 OpenAI 竞争。

作者在 Gemini 4 Argon 上手部关键点识别成功后，改测人体姿态估计：给带编号点的人体示意图，让模型在图片中找出对应位置，并公开提示词、结果与失误。

研究者用 Antigravity 里的 Gemini 4 Argon 智能体，把 Landreman 的突破扩展出新的对称破缺精确解，为聚变堆模拟提供新基准。

作者称想喜欢 Gemini 4 Argon，但应用常崩溃、丢提示，且经常超时或迟迟不出第一个 token。

长帖梳理 9 周内 Grok Bot、GPT-6 Astra、Opus 5.5、OpenAI Dots 与 Gemini 4 Argon 的发布时间线，对比两支 24/7 智能体舰队的权限与限制，并提出用 Jev 做出口校验。

一条把 Gemini Argon 4、GPT-6 Astra、Grok 4.7 和 Muse Wonder（称即 Fable 5.5）并列的挑衅式对比帖。

模型无关的 harness Tasklet 上线自动路由，按性价比把任务分给 Anthropic/OpenAI/Google/xAI，并支持跨模型子 agent 委派，示例中把子任务交给 Gemini 4 Argon。

视频对比 DeepSeek V4.1 Flash、GPT-6.1 Sol、Claude Opus 5.5 与 Gemini 4 Argon 的真实体感，指 Argon 注意力漂移、中途开小差。

Artificial Analysis 新基准 AA-PersonalityBench 测 36 个模型的幽默与俏皮表达，Gemini 4 Argon 以 1573 Elo 排第一，领先 Claude、GPT、Grok、DeepSeek。

Argon 在长周期真实 SWE 任务上排第三，落后 Opus 5.5 与 Fable 5.1，但成本只有三分之一；绿地实现 63% 登顶，前端交互保真度在非 GPT 模型中领先，身份与权限集成是短板。