Gemini 4 Pro / Flash 实测、跑分与上手

Gemini 4 Argon 高配版在 WeirdML 上拿到 20.2%，介于 Sonnet 5.5 与 Fable 5.1 之间，表现强但 token 效率仍落后前沿。

建议不要用 Argon 直接写复杂系统代码，它更擅长造工具、找问题切入点、审查 Opus 的技术选型；自动压缩上限设 300k，且与 GPT 搭配互相看不上。

作者让读者在 GPT-6 Astra、Opus 5.5 和 Gemini 4 Argon 中三选一，说出当前最适合写代码的模型及理由。

日本开发者挑战让 Claude Code 只靠代码生成视频，而投喂的提示词本身是找 Gemini 4 Argon 帮忙写的，附成品视频。

同一提示词下六个模型各设计 3D 打印胶囊保护生鸡蛋，Gemini 4 Argon 在 4 英尺处轻微开裂排第三，仅 Opus 5.5 与 GPT-6 Astra 超过 4 英尺。

用户让 Gemini 4 Argon 参与编译器开发，进展有限且错误多，需 Fable 收尾；同类测试中 Meta Muse Wonder Full 零错误。

一条短帖称 Gemini 4 Argon 目前最大问题仍是配额，撑不住高强度工作。

有用户对比后认为，把枯燥论文改写成普通人能读的科普文章，Gemini 4 Argon 完胜 GPT-6 Astra Pro，且是断崖式领先。

该用户称自 Gemini 4 Argon 发布以来，同样的提示词和工作流下 Gemini 3.8 Flash 回答完全不同、幻觉严重，怀疑被暗中降级。

一款把食品照片发给 Gemini 4、告诉你产品有什么问题的扫描 App 被称月入 30 万美元，被视为 2027 年的创业方向。

该用户认为 Gemini 4 Argon 整体或许令人失望，但它生成的代码在没有模型协助时仍可维护，这一点优于 GPT 6.1 Sol 的输出。

同一提示词下，Gemini 4 Argon 花费 7.84 美元、用时 23 分钟，远低于 Sonnet 5.5、Opus 5.5 和 GPT-6 Astra，作者问哪个表现最好。