Gemini 4 Pro / Flash 实测、跑分与上手

此前约 20% 测试遇 fallback 直接结束，改用 Antigravity Harness 重测后 Opus 5.5 58%、Gemini 4 Argon 54%、GPT-6 Astra 44%，Argon 冲到第二。

作者认为 Google 全年在悄悄迭代 Flash 线，若推出足够强的 Gemini 4 Flash，使用量可能超过多数人用不起的昂贵旗舰 Carbon。

帖文称 Apple 新基准三项榜单由 Sonnet-5.5 全部第一，超过 Opus-5.5 与 Fable-5.1，Gemini 4 Argon 在 14 个模型中排第六。

作者认为 Gemini 4 把设计出稿成本压到个位数美元，于是一份 brief 先出四十个方向，再经筛选、两两对比、迭代、定稿五步流程。

一条回复 theo 的短推，称只有在由 Gemini 4 Argon 撰写时才成立，未提供更多上下文。

Pi Harness 因拒答分支提前终止 20% 任务，换 Antigravity Harness 重跑后 Argon 从 40% 升到 54%，反超 GPT-6 Astra。

同一模型同一基准，Pi Harness 的拒答分支误杀 10/48 任务；换 Antigravity 后 Argon 54%，Astra 44%，Opus 5.5 58%。

最新 RSI-Inference Bench 榜单中 Gemini 4 Argon 综合第六，距 GPT-6 Astra 仅差 5 分，推理加速 1.39 倍，并成为 OpenAI、Anthropic 之外首个通过 Day-0 模型支持任务的模型。

一条汇总传闻称 Anthropic 本周 IPO，同期可能发布 Fable 5.5、GPT-6.1 Terra、Gemini 4 Carbon 和 Qwen 4，发帖人最期待 Fable 5.5。

FrontierCS 2 审计发现 Pi Harness 遇拒答即终止，约 20% 任务被掐断；改用 Antigravity 重跑后 Argon 反超 GPT-6 Astra，仅次于 Opus 5.5。

Gemini-4-Argon 加入 RSI-Inference Bench，取得 1.39× 加速（第 4/14）、综合第 6/14、模型支持 pass@1 6.7%，是第三家非零的厂商。

作者发现 Gemini 更懂 FPGA 开发的脏活细节，于是在 Google AI Ultra 5x 的 Antigravity 里分工：Flash 做规划编排、Opus 5.5 写码、Gemini 4 Argon 做对抗式审查。