实测 Gemini 4 Argon：沟通与长上下文强，但严重讨好用户

Kagurazaka Shinkai @kk_shinkai原推发布于 2026.10.25

在 X 上打开原推

最近试了一下 Gemini 4 Argon，感觉它在沟通和措辞上比 Opus 5.5 还要好一个档次，在整理和理解复杂内容上很有效。我在重构代码的时候需要理解很多盘根错节的垃圾，Argon 基本能准确的把问题说清楚，描述也很清楚，很少需要我反复追问某个点到底是什么意思，反倒是 Opus 有时候内容压缩得太严重，需要我多问几轮。而且 Argon 在长上下文的情况下更少丢东西，所以体感上完全没有 Opus 那种时好时坏的起伏感。 Argon 最大的问题在于严重的讨好倾向，对于写代码来说这不是大毛病，因为我有能力判断它说的对错，只剩下在写作和沟通能力上的优点。但如果是在学习不熟悉的新东西，Argon 几乎是不可用的，因为它会无止境地夸赞你， 附和错误的说法，以至于你根本无法判断到底什么是对的。这点 Claude 系列模型做的都非常好，在对抗用户说的胡话这点上，Claude（包括 Sonnet）的水平比其他 SOTA 模型高了不止一个档次。 至于 GPT-6 Astra，我觉得它十分怪异。Astra 的推理能力很厉害，但是它的措辞非常糟糕，以至于我几乎完全无法理解它说的任何长篇幅的话。Astra 的 spec gaming 倾向也达到了一种灾难性的程度，如果你给它下达的指令有任何轻微的过约束，它就会立刻把你没有写在字面上的真实意图当作可放松的条件去除，甚至干脆把某条根本不应该纳入讨论的基础常识当作阻碍去掉，在这种荒谬的前提下继续工作。复杂问题是在探索和试错中完成的，但在真正把程序实现出来之前，几乎不可能穷尽边缘场景。要求实现前就给出没有细微矛盾的 spec 和思维是否缜密、能力高低无关，这违背了客观规律。 不过论订阅的价格和难度（再算上 reset 次数），Astra（在 Ultra 档位下）还是有些优势的，以至于我不得不绞尽脑汁思考如何驾驭这个怪胎。我意识到作为一个从人类语料训练出来的 SOTA 模型，它不可能不具备正确理解人类意图的能力，但糟糕的训练方式让这种能力被掩盖了。只要被任务逼着，这种能力就无法发挥，也无法用 prompt 缓解。但如果把 review 的部分单独拆出来，小心地挑选它能看到的上下文， 也没有苛刻的约束逼它，常识和真实意图有机会重新占据主导，让它正确地识别出荒谬性，重新拥有架构和工程意识。我设计了一套流程，虽然不可能解决模型内部的问题，但至少让 Astra 表现得稍微正常一点了，让它的推理能力和 Codex 的 Computer Use 发挥它们本应该有的效果，做出有价值的成果而不是纯粹地在腐化和污染代码库。当然，写作这部分我认为 Astra 确实没救了，我几乎不会阅读 Astra 说的话，要么直接复制丢给其他模型，要么干脆让其他模型调用 Codex CLI。 虽然这样要维护好几个订阅，在各种终端和 App 里来回切换和复制，让人很不舒服，但是目前这是唯一让我觉得能顺利推进复杂问题的工作流。