Gemini 4 Pro偷跑Arena 13项跑分领先

2026年9月18日，全球AI社区关注的焦点骤然转向谷歌——一款以"gemini-3.8-flash"为匿名马甲的模型悄然登上LMSYS Chatbot Arena，开发者实测后几乎一致判断：这就是谷歌DeepMind潜心打磨近半年的下一代旗舰Gemini 4 Pro。 这款匿名模型在Arena盲测中表现惊人。泄露的基准对比图显示，Gemini 4 Pro在13项测试中对GPT-6 Astra、Claude Fable 5.1、Claude Opus 5和GPT-5.6 Sol形成全面压制。 最直观的AI智能体编码测试DeepSWE v1.1中，Gemini 4 Pro以88.7%拿下最高分，超过Astra的86.9%；真实知识工作测试GDPval-AA v2达到2064 Elo，是唯一突破2000分的模型；终端编码Terminal-bench 2.1为95.3%，同样全场领先；计算机使用OSWorld-2.0拿到86.8%，击败Astra和Fable。 在长链路任务上Gemini 4 Pro的优势进一步放大：Terminal-Bench 4.0比自家Gemini 4 Flash高出13.9个百分点，OSWorld 2.0高出11.9个百分点。这恰是当前Agent真正卡脖子的领域——在真实代码库中持续修改验证、在真实电脑环境执行数百步操作时，模型性能衰减更慢。 价格方面更令业界震动。Gemini 4 Pro每百万Token输入2.25美元、输出11.25美元，仅为Astra（12/60美元）的约五分之一。即便对比Fable 5.1（10/50美元）和Opus 5（5/25美元），依然保持压倒性性价比。 AI研究员Qwinah探查后端发现，Gemini 4 Pro具备1000万输入Token上限、25.6万输出上限、永久跨会话记忆、无需API即可连网。 全网首测同时刷屏社交平台。开发者Bee用14分钟打造出"滚动即笔触"的创意网页；经典"鹈鹕骑自行车"SVG测试中，4 Pro输出的配色、日夜切换、车灯、解剖标注、踏频控制达到顶尖水准；像素风3D宝塔、空客H145直升机3D模型（耗时约10分钟）、《我的世界》风格体素构建器、现代3D卡丁车竞速游戏，均可一键生成且完成度极高。 Gemini 4 Pro的背后，是谷歌对RSI（递归自我改进）的押注。Google DeepMind首席战略官Jasjeet Sekhon上月在伯克利活动上将RSI列为AI巨额投资逻辑的关键一环。9月14日谷歌公开的Dream-RSI研究，正是探索让Agent在探索中持续改进搜索策略。业界传言Gemini 4预训练提前完成，正因RSI闭环已在训练中实现。 值得注意的是，这一进展发生在谷歌DeepMind战略承压的关键节点。此前Gemini 3.5 Pro已被取消（WSJ爆料称其表现连Flash都不如），4.23万亿美元市值亟需新旗舰证明Gemini仍在最前沿。匿名Arena亮相被普遍视为正式发布前的活体检查点测试，业内预计发布窗口在2026年10月至年底之间。 参考来源： 1. 36氪：https://www.36kr.com/p/3988310431431682 2. 36氪深度：https://www.36kr.com/p/3988438306388737 3. BestHub英文报道：https://www.besthub.dev/articles/gemini-4-pro-leaks-as-gemini-3-8-flash-on-arena-beats-astra-and-fable-across-benchmarks-716d489c37cc 4. AlexTech英文报道：https://www.alextech.ai/en/news/gemini-4-pro-leaks-reveal-dominant-performance-and-aggressive-pricing 5. 人人都是产品经理：https://www.woshipm.com/ai/6466367.html 6. 51CTO：https://www.51cto.com/article/856310.html 7. C114通信网：https://www.c114pro.com/ainews/196452.html 8. Van Data Team分析：https://vandatateam.com/blog/gemini-4-pro-leaks