真是深藏不漏！
这一次，谷歌终于把底牌扔出来了。
就在这两天，大模型竞技场Arena悄然杀入一款新模型，名字竟挂着「gemini-3.8-flash」。
上手实测的AI大佬和开发者交手几轮后，几乎倒吸一口气——
这极有可能是谷歌DeepMind，悟了整整半年的下一代旗舰Gemini 4 Pro！
一张疯传全网的基准图，简直堪称「恐怖」。
Gemini 4 Pro完全杀疯，编码、智能体、推理等领域实力，全面碾压GPT-6 Astra、Claude Fable 5.1。
开发者Vidhi体验过后，被Gemini 4 Pro完全震惊到了。
一张猫咪的SVG图，就证明了一切。GPT-6 Astra直接扔出了一只「大猫咪」（似猫非猫，更像laofu）。
正如传言所说，谷歌内部实现了RSI，Gemini 4 Pro才能和Astra/Fable正面对打。
沉寂许久的巨兽，真的强势回归了！
Gemini 4 Pro匿名偷跑，击败Astra和Fable
AI圈许久未有这么兴奋了。
要知道，谷歌上一个大版本更新Gemini 3.1 Pro，已经是7个月前（2月19日）的事儿了。
谷歌I/O大会上，劈柴曾预告：Gemini 3.5 Pro将在6月上线。
未曾想，这一重大发布鸽了又鸽，最终「胎死腹中」！
就在这个月初，WSJ独家爆料，Gemini 3.5 Pro取消了，原因很简单——
3.5 Pro的进化程度，连Flash都比不上。
好在，Gemini 4在预训练中评估优秀，后训练还在顺利进行中。
如今，Gemini 4 Pro竟穿上了gemini-3.8-flash的「马甲」，在Arena上首个检查点现身了。
毕竟Gemini 3.8 Flash这款模型，早在9月初发布，同名再出现极不寻常。
一大波上手体验后的开发者们，对4 Pro印象深刻，甚至体感超越了Astra和Fable。
从泄露的基准测试图中，可以发现，4 Pro实现了全面压制，成绩单非常亮眼——
DeepSWE v1.1：AI智能体编码任务上，4 Pro拿下了最高88.%分，比Astra还要多近2%；
GDPval-AA v2：在真实知识工作任务中，4 Pro唯一获得了2064 Elo；
Terminal-bench 2.1：4 Pro终端编码能力也是最强的95.3%；
OSWorld-2.0：计算机使用能力方面，4 Pro斩获86.8%，击败了Astra和Fable。
若这张表分数属实，Gemini 4 Pro真是「地表最强」的AI了。
在价格方面，相较于Astra和Fable，也是「御三家」中最具性价比的那个。每百万Token输入价格2.25美元，每百万Token输出价格11.25美元。
AI研究员Qwinah进入Gemini 4 Pro后端后发现，它有1000万输入上限，25.6万输出上限，永久跨会话记忆，不用API即可连网。
全网首测4 Pro，登上热搜
真正比跑分更有看点的，是全网一大的波惊艳实测。
UI网页设计，品味大提升
这不，开发者Bee测完之后，直呼「Gemini 4 Pro太不真实了......」
短短14分钟，4 Pro打造了一个以素描、铅笔与石墨质感为主题的「创意展示网页」。
它竟可以将网页的「滚动即笔触」概念化，向下滑动线条逐渐加深，交互感非常丝滑。
下面这个是一个兼具赛博朋克和复古未来主义的工作网站。
4 Pro在设计过程中，首屏结合了3D网格、数据仪表盘，还有可交互的3D模型。
3D+SVG，夯爆了
全网疯传的一个经典「鹈鹕骑自行车」的测试，Gemini 4 Pro输出的效果非常震撼。
配色、日夜切换、车灯、解剖标注、踏频控制，整个完成度完全不输顶尖大模型。
Pankaj Kumar在体验后，直接总结了几个变化：
速度很快，SVG和3D生成明显进步；一次提示就能把复杂要求吃得比较准。
甚至，它已经能直接生成带完整交互逻辑、视觉效果不错的小游戏。
再来看一个像素风3D宝塔测试，有种身临其境的味道了。
下面这个是4 Pro用时10分钟，制作出的空客H145直升机3D模型。
另外，在一个3D飞行模拟的测试中，4 Pro的画面效果大幅超越了Gemini 3.8 Flash。
从这一点，就可以证明，Gemini 3.8 Flash和竞技场上的gemini-3.8-flash不是同一款。
一键直出可玩的游戏
在游戏生成方面，Gemini 4 Pro也没有落下。
「我的世界」从页面搭建，大游戏中每个模块的设计，完全不输此前放出的Astra的测试。
还有下面这个3D卡丁车竞速游戏，看起来比跑跑卡丁车这些曾风靡一时赛车游戏更现代；而这，是Gemini 4 Pro花了很短时间做出来的。
谷歌真正押注的，叫 RSI
一旦RSI这个循环真能持续转起来，模型升级的节奏可能彻底变掉。
上个月，Google DeepMind首席战略官Jasjeet Sekhon在伯克利的活动上，直接把话挑明了——
RSI（递归自我改进），已成为AI巨额投资逻辑里的关键一环。
整个行业押注的，是能力曲线继续向上。
而如果真正撞上递归自我改进，这条曲线甚至可能从「指数增长」进一步加速。
就在最近，全网流传着更激进的说法：
Gemini 4之所以提前完成预训练，正是因为谷歌DeepMind在训练中实现「RSI闭环了」。
有意思的是，就在14日，谷歌一项名为Dream-RSI的研究也公开了。
它研究的正是，如何让Agent在探索过程中不断改进自己的搜索策略，从经验中继续升级下一轮探索。
可以确认的是，谷歌DeepMind已经公开把RSI摆到了非常重要的位置。
而且，AI参与改进AI的迹象越来越多。
「御三家」要回来了？
所以，Gemini 4 Pro面对的是一个已经彻底变样的牌桌。
OpenAI有Astra；Anthropic有Fable 5.1。
两大巨头已经把竞争从单纯聊天，卷到长任务、Agent、代码、推理乃至自主科研。
谷歌如果只是做出一个「比Gemini 3.8更强」的模型，已经不够了。
Gemini 4 Pro必须重新证明一件事：Gemini还在最前沿！
谷歌要想撑住目前4.23万亿美元的市值，保持AI实力在第一梯队至关重要。
参考资料：
https://x.com/HarshithLucky3/status/2100524699780600136
本文来自微信公众号“新智元”（ID：AI_era），作者：桃子 马可，36氪经授权发布。