Gemini 4（代号 Argon）今日向 Pro 用户开放，Antigravity CLI 里可直接切换、思考强度可调 High。实测复杂动画半小时才交卷，一周额度被吃掉三成多；海外盲测 3.95 分垫底，92 项断言里 47 项被指捏造。

老章一直对 Gemini 3.8 Flash 的评价很高，不仅推理速度快如闪电，还附赠了 Colab Pro 和丰富的算力比如 A100 的使用权限

• 我的 Gemini 终于要回本了，开发了一个 macOS 原生菜单栏工具
• Gemini Pro 大礼包，英伟达 A100 我用上了，成功部署 Qwen

其实网上很多吐槽 Gemini 难用的负面声音，很大程度是被 Gemini 的网页版和桌面客户端劝退了，感受 Gemini 的模型能力，必须使用 Antigravity CLI，在纯粹的 Agent 环境里跑起来才叫顺手

Gemini 4（内部代号 Argon）磨磨叽叽半个多月了，前些天只对 Google AI Ultra 顶配用户开放，今天终于全面轮到我们 Pro 用户了

打开 Antigravity CLI，在模型切换菜单里已经能直接选到 Gemini 4 Argon，思考强度（Thinking Effort）也可以自由调节到 High，让它在后台进行最深度的复杂推理

更让人舒心的是它的配额机制：Google 这次挺厚道，Gemini 4 Argon 与 Gemini 3.8 Flash 的额度是彻底分开的两个池子，互不占用，就像列表里的 Claude Opus 5.5 和 Sonnet 5.5 一样独立计算，顺嘴说一句 Claude Opus 5.5 形同虚设，一个问题干掉 5 小时额度

实测：复杂动画与代码视频生成

拿到新模型，老章第一时间拿它和当前的编程王者 Claude Opus 5.5 掰掰手腕

最近 Claude Opus 5.5 被社区深度发掘出惊人的代码动画与视频生成能力，比如下面这段纯代码构建的手绘沸腾线风格火柴盒点火动画：

老章拿了完全相同的提示词和参数要求，让刚上线的 Gemini 4 Argon 也来挑战一次

实测下来的第一体感：思考过程极其漫长，开启高强度思考后在后台反复推演，这类复杂动画任务半小时起步才开始交卷

结果也有点粗糙，差点意思，好在完成了任务

随之而来的就是心疼，一周宝贵的 Argon 额度肉眼可见地直接被消耗 30% 多，容错率极低，根本经不起反复调试折腾

除了老章自己的手感，大家最关心的还是它在复杂工程里的真实实力

在海外众多评测中，前端顶流博主 Theo 的测试最具说服力，直接拿自己生产级的 T3 代码库做了严格的盲测架构审计

结果出来，可以说把 Gemini 4 Argon 的底裤给彻底扒光了：

• Claude Opus 5.5 凭借 8.40 的高分稳坐榜首，42 项声明里只有 2 项错误，虚假声明率低至 5%
• Claude Sonnet 5.5 拿下 7.88 分，虚假声明率 9%
• GPT-6.1 Sol 和 GPT-6 Astra 也稳稳拿下 7.66 和 7.11 分
• 满怀期待登场的 Gemini 4 Argon 却直接暴跌到 3.95 分，在一众旗舰模型中垫底
• 最离谱的是虚假声明率：92 项系统断言里有 47 项纯属捏造，错误率高达 51%

Gemini 4 Argon 不懂真实项目架构、乱提重构建议，甚至一本正经地编造完全不存在的系统行为

Theo 测完后直接给出极其严肃的忠告： “I was genuinely hopeful for Gemini 4 Argon. There are some good parts, but generally speaking, this model should be avoided.”（原本对它满怀期待，虽然某些局部有些亮点，但大体而言，开发者在实际项目中最好避开这个模型）

Three. s 3D 渲染实测

除了架构层面的代码审计，海外开发者 Bhavani 也做了一组直观的 3D 渲染代码对比

他给出的 Prompt 是：在 Three js 中完全用纯代码构建巴黎埃菲尔铁塔

同台竞技的选手涵盖：Gemini 4 Argon、Claude Opus 5.5、GPT-6 Astra 以及国产的 Kimi K3

以及四款模型的对比：

• Argon 构建的埃菲尔铁塔底层结构明显畸变，骨架比例完全走样，缺乏真实的力学与空间对称感
• 表现最让人惊艳的反倒是 GPT-6 Astra 和国产的 Kimi K3，塔身细节精致，层级分明，高度贴近真实的埃菲尔铁塔
• Claude Opus 5.5 依然保持着一贯的沉稳水准
• 在需要精细几何推演和 3D 代码构建的场景下，Argon 再次显露出空间想象力与代码精确度上的脱节

看 Google 官方博客最新的技术报告，战报可谓豪华至极：

• Alphabet 内部每月有超过 10 万名工程师重度依赖 Argon
• 内部 Agent 代码产出 4 周内激增 35%，提交后回滚率下降 30%
• 帮 YouTube 优化前端评论区性能，CPU 开销直接腰斩，端到端延迟降低 20ms
• 帮 Wing 无人机物理模拟器推导空气动力学，提出了 18 项高难度建模改进
• 自动把运行了几十年的 Fortran 科学计算遗留系统完整重写为现代 Rust，不仅性能提升 1.8 倍还解决了内存安全
• 在安全审计中挖出了 4 个隐蔽权限漏洞，而之前两款顶尖大模型审查同一批代码都给出了「零风险」的误判
• 3 小时内自动清理掉了跨多系统的 72.4% 陈年积压 Bug

Google 内部跑这套流水线，依赖的是全球最顶级的标准化工程体系，包括统一的代码单体仓库（Monorepo）、完备的运行时遥测监控（Telemetry）、成千上万的前置测试用例，以及针对内部流程深度定制的 Custom Skills

而在外部开发者的现实世界里，面对的是充满个性化配置的技术栈、版本错综复杂的三方依赖以及大量没有类型标注的历史包袱

一旦缺少了官方实验室的严密护栏，Argon 在真实上下文感知上的短板就彻底暴露了：极度容易过度脑补、凭空编造接口，给出看似言之凿凿实则报错连篇的方案

平心而论，Gemini 4 Argon 绝非毫无亮点，在超大上下文信息提取、长篇技术文档梳理以及多模态综合分析等领域，它依然具备 Google 家的深厚底蕴