真是深藏不露！
這次，谷歌終於把底牌扔出來了。
就在這兩天，大模型競技場 Arena 悄然推出一款新模型，名稱竟標為「gemini-3.8-flash」。
與實測上手的 AI 大佬和開發者交手幾輪後，幾乎倒吸一口氣——
這極有可能是谷歌 DeepMind 悟了整整半年的下一代旗艦 Gemini 4 Pro！
一張瘋傳全網的基準圖，簡直堪稱「恐怖」。
Gemini 4 Pro 完全殺瘋，編碼、智能體、推理等領域實力，全面碾壓 GPT-6 Astra、Claude Fable 5.1。
開發者 Vidhi 在體驗後，被 Gemini 4 Pro 完全震驚到了。
一張貓咪的SVG圖，就證明了一切。GPT-6 Astra 直接扔出了一隻「大貓咪」（似貓非貓，更像 laofu）。
正如傳聞所說，谷歌內部已實現 RSI，Gemini 4 Pro 才能與 Astra/Fable 正面對抗。
沉寂已久的巨獸，真的強勢回歸了！
Gemini 4 Pro 匿名偷跑，擊敗 Astra 和 Fable
AI 圈久未如此興奮了。
要知道，谷歌上一個大版本更新 Gemini 3.1 Pro，已是 7 個月前（2 月 19 日）的事了。
在 Google I/O 大會上，劈柴曾預告：Gemini 3.5 Pro 將於 6 月上線。
沒想到，這項重大發布一再延遲，最終「胎死腹中」！
就在這個月初，WSJ 獨家爆料，Gemini 3.5 Pro 已取消，原因很簡單——
3.5 Pro 的進化程度，連 Flash 都比不上。
好在，Gemini 4 在預訓練中評估優秀，後訓練仍在順利進行中。
如今，Gemini 4 Pro 竟穿上了 gemini-3.8-flash 的「馬甲」，在 Arena 上首個檢查點現身了。
畢竟 Gemini 3.8 Flash 這款模型早在 9 月初發布，同名再次出現極不尋常。
一大波上手體驗後的開發者們，對 4 Pro 印象深刻，甚至體感超越了 Astra 和 Fable。
從洩露的基準測試圖中，可以發現，4 Pro 實現了全面壓制，成績單非常亮眼——
DeepSWE v1.1：在 AI 智能體編碼任務上，4 Pro 取得最高 88.% 分，比 Astra 高出近 2%；
GDPval-AA v2：在真實知識任務中，4 Pro 唯一獲得了 2064 Elo；
Terminal-bench 2.1：4 Pro 的終端編碼能力也最強，達 95.3%；
OSWorld-2.0：在電腦使用能力方面，4 Pro 取得 86.8%，擊敗了 Astra 和 Fable。
If the scores on this table are accurate, Gemini 4 Pro is truly the "strongest AI on Earth".
在價格方面，相較於 Astra 和 Fable，也是「御三家」中最具性價比的那個。每百萬 Token 輸入價格為 2.25 美元，每百萬 Token 輸出價格為 11.25 美元。
AI 研究員 Qwinah 進入 Gemini 4 Pro 後端後發現，它有 1000 萬輸入上限、25.6 萬輸出上限、永久跨會話記憶，且無需 API 即可上網。
全網首測 4 Pro，登上熱搜
真正比跑分更有看點的，是全網一場驚艷的實測。
UI 網頁設計，品味大幅提昇
這不，開發者 Bee 測完之後，直呼「Gemini 4 Pro 太不真實了......」
在短短14分鐘內，4 Pro打造了一個以素描、鉛筆與石墨質感為主題的「創意展示網頁」。
It can conceptualize the web's "scroll-to-stroke" concept, where lines gradually darken as you scroll down, offering an extremely smooth interactive experience.
這是一個融合了賽博龐克與復古未來主義風格的工作網站。
4 Pro 在設計過程中，首頁結合了 3D 網格、數據儀表板，還有可互動的 3D 模型。
3D+SVG，熱爆了
一個全網瘋傳的經典「鵜鶘騎自行車」測試，Gemini 4 Pro 的輸出效果非常震撼。
Color scheme, day-night toggle, headlights, anatomical labels, cadence control—the overall completion is on par with top-tier large models.
Pankaj Kumar 在體驗後，直接總結了幾個變化：
速度很快，SVG 和 3D 生成明顯進步；一次提示就能較準確地理解複雜需求。
甚至，它已能直接生成具有完整互動邏輯、視覺效果出色的小遊戲。
Let’s take another look at the pixel-style 3D pagoda test—it now feels immersive.
這是由 4 Pro 花費 10 分鐘製作的 Airbus H145 直升機 3D 模型。
此外，在一個 3D 飛行模擬的測試中，4 Pro 的畫面效果大幅超越 Gemini 3.8 Flash。
From this point, it can be proven that Gemini 3.8 Flash and gemini-3.8-flash on the arena are not the same model.
一鍵直出可玩的遊戲
In game generation, Gemini 4 Pro has also not been left behind.
《我的世界》從頁面搭建到大遊戲中每個模塊的設計，完全不遜於此前釋出的 Astra 測試。
還有下面這款 3D 卡丁車競速遊戲，看起來比曾經風靡一時的賽車遊戲如跑跑卡丁車更現代；而這，是 Gemini 4 Pro 在很短時間內做出來的。
谷歌真正押注的，叫 RSI
一旦 RSI 這個循環真的能持續運轉起來，模型升級的節奏可能會徹底改變。
上個月，Google DeepMind 首席策略官 Jasjeet Sekhon 在柏克萊的活動上，直接把話挑明了——
RSI（Recursive Self-Improvement）已成為 AI 巨額投資邏輯中的關鍵一環。
整個行業押注的，是能力曲線繼續向上。
而如果真正撞上遞歸自我改進，這條曲線甚至可能從「指數增長」進一步加速。
就在最近，全網流傳著更激進的說法：
Gemini 4 能夠提前完成預訓練，正是因為 Google DeepMind 在訓練中實現了「RSI 閉環」。
有意思的是，就在 14 日，谷歌一項名為 Dream-RSI 的研究也公開了。
它研究的正是如何讓 Agent 在探索過程中不斷改進自己的搜索策略，從經驗中繼續升級下一轮探索。
可以確認的是，谷歌 DeepMind 已經公開將 RSI 放在非常重要的位置。
而且，AI 參與改進 AI 的跡象越來越多。
「御三家」要回來了？
因此，Gemini 4 Pro 面對的是一個已經徹底變樣的牌桌。
OpenAI 有 Astra；Anthropic 有 Fable 5.1。
兩大巨頭已將競爭從單純的聊天，延伸至長任務、Agent、代碼、推理，乃至自主科研。
如果谷歌只是推出一個「比 Gemini 3.8 更強」的模型，已經不夠了。
Gemini 4 Pro 必須重新證明一件事：Gemini 仍在最前沿！
谷歌要維持目前4.23萬億美元的市值，保持在AI領域的第一梯隊至關重要。
參考資料：
https://x.com/HarshithLucky3/status/2100524699780600136
本文來自微信公眾號「新智元」（ID：AI_era），作者：桃子 馬可