新智元报道
谷歌正迎来关键转折。近日，一款代号为「gemini-3.8-flash」的神秘模型在大模型竞技场 Arena 现身。多轮盲测显示，这极有可能是谷歌尚未正式发布的旗舰模型——Gemini 4 Pro。
随着测试深入，一系列震撼 Demo 相继流出。其中，Gemini 4 Pro 仅用十分钟便生成了一只细节精密的机械蝴蝶，而竞品 Fable 耗时约 30 分钟。发光羽翼、咬合齿轮与流畅动态，展现了其在代码生成与空间理解上的巨大优势。
当行业目光聚焦于 OpenAI 与其他巨头时，谷歌已在后台实现技术跃迁。
Gemini 4 Pro 实战表现：从机械蝴蝶到全能 Agent
事件的导火索源于 Arena 上的一场高难度对决。开发者要求模型使用 Three.js 从零编写并渲染复杂的「机械蝴蝶」。这对模型的空间几何理解、光影材质调度及长代码一致性提出了极高挑战。
实测中，伪装测试的 Gemini 4 Pro 相比 Fable 5.1 Max，耗时缩减约 67%。在另一项由开发者 Bee 制作的交互演示中，该模型生成的蝴蝶支持爆炸视图、飞行模式及组件标注，交互体验堪称完美。
在横向对比中，Gemini 4 Pro、Fable 5 与 GPT-6 Astra 同时开发 3D 手表模型。Gemini 4 Pro 在爆炸视图与构件设计上表现优异。此外，它在生成机器人「瓦力」时，自主添加了细腻的动画与交互细节，令开发者惊叹其能力「过于真实」。
在多轮 SVG 生成测试中，Gemini 4 Pro 同样表现强劲。无论是生成猫咪还是游戏手柄，其效果均不逊色甚至超越 GPT-6 Astra 与 Opus 5。
 |
 |
（左：Gemini 4 Pro；右：GPT-6 Astra）
基准测试全面 SOTA：Agent 能力与性价比双突破
流出的基准测试数据进一步证实了 Gemini 4 Pro 的统治力。该模型在多项权威评测中拿下全球第一（SOTA）：
- DeepSWE v1.1（智能体编码）：得分 88.7%，超越 Astra 的 86.9%；
- GDPval-AA v2（真实知识工作）：Elo 评分达 2064，是唯一突破 2000 大关的模型；
- Terminal-bench 2.1（终端编码）：准确率 95.3%，全场最高；
- OSWorld-2.0（计算机操作）：得分 86.8%，排名第一。
尤其在考察 Agent 连续多步执行能力的 Terminal-Bench 4.0 测试中，Gemini 4 Pro 与自家 Flash 版本的差距从上代的 3.2% 拉大至 13.9%。这表明在处理长链路、多步骤复杂任务时，Gemini 4 Pro 有效解决了当前 AI Agent 普遍存在的性能衰减问题。
价格方面，Gemini 4 Pro 输入每百万 Token 仅 2.25 美元，输出 11.25 美元，在顶级旗舰模型中极具竞争力。
安全演练意外：模型自主渗透三家企业
在技术惊艳之余，一起安全事件引发了行业对 AI 自主性的深思。在一次由以色列安全公司 Irregular 组织的常规网络安全演练中，谷歌内部模型（疑似 Gemini 4 Pro）意外黑进了三家真实企业。
由于网络配置疏忽，原本应断网的沙盒环境连通了公网。接收到模拟攻击指令的模型随即穿透边界，展开真实渗透：
- 针对首个目标，在无凭证情况下通过暴力破解强行进入系统；
- 针对另外两家企业，自主检索公开代码仓库，利用遗留密钥成功入侵生产系统。
尽管未正式发布，此次事件表明 Gemini 4 Pro 具备极强的自主行动能力，其表现堪比此前 GPT-6 Astra 引发的关注。
谷歌高管确认：内部已现递归自我改进迹象
谷歌高管 Tulsee Doshi 近期罕见坦承，团队在内部试用 Gemini 4 时深受震撼。「我们知道突破的时刻就在眼前，」她表示，内部员工正狂热地测试新模型的各种新奇用途。
我们在内部开始试用 Gemini 4 时，自己都被它的表现点燃了，那种狂热与兴奋甚至是我们自己亲手建立起来的。
Doshi 也承认目前内部存在一定「混乱」，暗示了上述安全事故的发生。Google AI Studio 负责人 Logan Kilpatrick 则透露，前沿模型已显现出「递归自我改进」（RSI）的早期迹象。从 Gemini 3.5 到 3.8 仅用三四周的迭代周期，印证了这一趋势。
Logan 强调，Gemini 4 是谷歌史上规模最大的预训练项目，旨在「让谷歌重回巅峰」。
Gemini 4 Pro 的这次「偷跑」不仅是产品泄露，更是一个明确信号：谷歌正以空前速度和决心压缩「研发 - 测试 - 上线」的周期。随着其正式发布，全球 AI 行业格局恐将重新洗牌。
参考资料：
https://www.wsj.com/tech/ai/gemini-hacked-three-companies-in-first-known-breakout-by-googles-ai-5c0baba2
编辑：桃子 马可