Bocoran Gemini 4 Pro, Menguasai Astra dan Fable dalam Ujian Patokan

Benar-benar tersembunyi dengan baik!

Untuk kali ini, Google akhirnya meletakkan semua kadnya di atas meja.

Dalam dua hari ini, Arena Model Besar secara diam-diam memperkenalkan model baru, yang namanya menyandang 'gemini-3.8-flash'.

Setelah berinteraksi beberapa ronde dengan para pakar AI dan pembangun yang telah menguji secara langsung, hampir terkesiap—

Ini sangat mungkin merupakan Gemini 4 Pro, flagship generasi seterusnya yang telah dipahami oleh Google DeepMind selama enam bulan penuh!

Sebuah gambar rujukan yang tersebar luas di seluruh internet, benar-benar luar biasa 'menakutkan'.

Gemini 4 Pro benar-benar menghancurkan, kekuatan dalam bidang pengkodean, agen, dan penalaran secara menyeluruh mengalahkan GPT-6 Astra dan Claude Fable 5.1.

Setelah mengalami sendiri, pengembang Vidhi terkejut sepenuhnya dengan Gemini 4 Pro.

Gambar SVG seekor kucing membuktikan semuanya. GPT-6 Astra terus-menerus mengeluarkan seekor “kucing besar” (mirip kucing tapi lebih seperti laofu).

Seperti yang disebutkan, Google telah mengimplementasikan RSI secara dalaman agar Gemini 4 Pro dapat bersaing langsung dengan Astra/Fable.

Raksasa yang telah lama senyap, benar-benar kembali dengan kuat!

Tidak ada kegembiraan sebegini dalam dunia AI selama ini.

Perlu diketahui, pembaruan besar versi Google untuk Gemini 3.1 Pro sudah berlalu selama 7 bulan (19 Februari).

Di konferensi Google I/O, Pi Chai sebelumnya meramalkan: Gemini 3.5 Pro akan dilancarkan pada Jun.

Tidak disangka, pengumuman besar ini ditunda berulang kali, sehingga akhirnya «gagal dilahirkan»!

Pada awal bulan ini, WSJ mengungkap eksklusif bahawa Gemini 3.5 Pro telah dibatalkan, dan sebabnya sangat mudah—

Tahap evolusi 3.5 Pro tidak sampai sejauh Flash.

Untunglah, Gemini 4 menunjukkan penilaian yang cemerlang dalam pra-pelatihan, dan pelatihan selepasnya masih berjalan lancar.

Sekarang, Gemini 4 Pro ternyata memakai "jaket" gemini-3.8-flash dan muncul di titik pemeriksaan pertama di Arena.

Setelah semua, model Gemini 3.8 Flash telah dilancarkan pada awal September, jadi kehadiran semula dengan nama yang sama sangat tidak biasa.

Banyak pengembang yang telah mencuba setelah pengalaman pertama, terkesan dengan 4 Pro, bahkan merasakan ia melampaui Astra dan Fable.

Daripada gambar ujian prestasi yang bocor, dapat dilihat bahawa 4 Pro mencapai keunggulan menyeluruh, dengan pencapaian yang sangat cemerlang—

DeepSWE v1.1: Dalam tugas pengkodean agen AI, 4 Pro mencapai skor tertinggi 88.%, lebih tinggi hampir 2% daripada Astra;

GDPval-AA v2: Dalam tugas kerja pengetahuan sebenar, 4 Pro sahaja yang memperoleh 2064 Elo;

Terminal-bench 2.1: 4 Pro juga memiliki kemampuan kodifikasi terminal terkuat pada 95.3%;

OSWorld-2.0: Dalam segi kemampuan penggunaan komputer, 4 Pro memperoleh 86.8%, mengalahkan Astra dan Fable.

Jika skor dalam jadual ini benar, Gemini 4 Pro benar-benar AI terkuat di muka bumi.

Dari segi harga, ia juga merupakan yang paling berharga di kalangan "Tiga Besar" berbanding Astra dan Fable. Harga input sejuta Token ialah $2.25, dan harga output sejuta Token ialah $11.25.

Penyelidik AI Qwinah mendapati selepas memasuki latar belakang Gemini 4 Pro, ia mempunyai had input 10 juta, had output 256,000, ingatan lintas sesi kekal, dan boleh terhubung ke internet tanpa API.

Yang lebih menarik daripada ujian performa ialah ujian sebenar yang mengagumkan di seluruh rangkaian.

Reka bentuk laman web UI, peringkat estetika meningkat ketara

Ini dia, selepas pengembang Bee menguji, dia langsung berkata, "Gemini 4 Pro terlalu tidak realistik......"

Dalam masa hanya 14 minit, 4 Pro mencipta sebuah "laman web paparan kreatif" bertema sketsa, pensil, dan tekstur grafit.

Ia mampu mengkonseptualisasi konsep "scroll to stroke" laman web, di mana garisan menjadi semakin gelap semasa anda menggulir ke bawah, dengan pengalaman interaktif yang sangat licin.

Ini adalah laman web kerja yang menggabungkan gaya cyberpunk dan retrofuturisme.

4 Pro dalam proses reka bentuknya, skrin pertama menggabungkan grid 3D, papan pemantau data, dan model 3D yang boleh diinteraksi.

3D+SVG, sangat popular

Ujian klasik "Pelikan Berbasikal" yang sedang viral di seluruh internet, hasil output Gemini 4 Pro sangat mengagumkan.

Warna, suis malam dan siang, lampu kereta, label anatomi, kawalan kadar pedal, keseluruhan kualiti setara dengan model besar terkemuka.

Pankaj Kumar setelah mengalami, secara langsung merumuskan beberapa perubahan:

Pantas, penghasilan SVG dan 3D jelas meningkat; sekali prompt saja sudah mampu memahami keperluan kompleks dengan baik.

Bahkan, ia sudah mampu menghasilkan permainan kecil dengan logik interaktif penuh dan kesan visual yang baik.

Mari kita lihat ujian menara 3D bergaya piksel, terasa seperti berada di tengah-tengahnya.

Ini adalah model 3D helikopter Airbus H145 yang dihasilkan dalam masa 10 minit oleh 4 Pro.

Selain itu, dalam ujian simulasi penerbangan 3D, kesan gambar 4 Pro jauh melebihi Gemini 3.8 Flash.

Dari sini, boleh dibuktikan bahawa Gemini 3.8 Flash dan gemini-3.8-flash di arena bukanlah produk yang sama.

Permainan yang boleh dimainkan dengan satu klik

Dalam penghasilan permainan, Gemini 4 Pro juga tidak ketinggalan.

Minecraft dari pembinaan halaman, reka bentuk setiap modul dalam permainan besar, tidak kalah dengan ujian Astra yang telah dikeluarkan sebelum ini.

Selain itu, permainan balap karts 3D ini kelihatan lebih moden berbanding permainan balap yang pernah popular seperti KartRider; dan ini dibuat oleh Gemini 4 Pro dalam masa yang sangat singkat.

Sekiranya kitaran RSI ini benar-benar boleh berterusan, tempoh pembaikpulihan model mungkin berubah sepenuhnya.

Bulan lalu, Jasjeet Sekhon, Ketua Strategi Google DeepMind, secara terus terang mengatakan di acara di Berkeley—

RSI (Recursive Self-Improvement) telah menjadi elemen penting dalam logik pelaburan besar-besaran AI.

Industri seluruhnya bertaruh pada kelanjutan peningkatan lengkung kemampuan.

Dan jika benar-benar berlaku peningkatan diri berulang, lengkung ini bahkan mungkin mempercepat lagi dari "pertumbuhan eksponen".

Baru-baru ini, pernyataan yang lebih agresif tersebar di seluruh jaringan:

Gemini 4 telah selesai pra-pelatihan lebih awal kerana Google DeepMind telah mencapai "RSI tertutup" semasa pelatihan.

Yang menariknya, pada 14 hari itu, sebuah kajian Google bernama Dream-RSI juga telah dipaparkan.

Ia mengkaji bagaimana Agent terus memperbaiki strategi carian semasa peng eksplorasi, dan terus meningkatkan eksplorasi seterusnya berdasarkan pengalaman.

Boleh disahkan bahawa Google DeepMind telah secara terbuka meletakkan RSI pada kedudukan yang sangat penting.

Selain itu, semakin banyak tanda bahawa AI terlibat dalam memperbaiki AI.

「Tiga Besar」akan kembali?

Jadi, Gemini 4 Pro menghadapi meja permainan yang telah berubah sepenuhnya.

OpenAI mempunyai Astra; Anthropic mempunyai Fable 5.1.

Dua raksasa telah mengubah persaingan dari perbincangan biasa menjadi tugas panjang, agen, kod, penalaran, dan bahkan penyelidikan autonomi.

Google jika hanya menghasilkan model yang "lebih kuat daripada Gemini 3.8" sudah tidak mencukupi.

Gemini 4 Pro mesti membuktikan semula satu perkara: Gemini masih di garisan hadapan!

Untuk mengekalkan kapitalisasi pasarnya yang kini berjumlah US$4.23 trilion, Google amat penting untuk mengekalkan kekuatan AI dalam golongan teratas.

Rujukan:

https://x.com/HarshithLucky3/status/2100524699780600136

Artikel ini berasal daripada akaun微信公众号 "Sinzhiyuan" (ID: AI_era), penulis: Peach Marco