#Gemini · AI 短帖与讨论

谷歌终于把新一代旗舰摆上桌，正式名叫 Gemini 4 Argon。上次主力模型还是 2 月的 Gemini 3.1 Pro，说好的 3.5 Pro 到现在也没影。这次落地，我第一反应是先看代码分，那是我最常用的场景。

结果代码分让我心里一紧。谷歌摆了 18 项 benchmark，拉来 OpenAI 的 GPT-6 Astra、Anthropic 的 Claude Fable 5.1 和 Claude Opus 5.5 当对照。

12 项第一加 1 项并列，光看数字很风光，办公室那几项赢得漂亮，金融分析师 65.4%，第二名 58.9%；法律 19.6%，别家连 7% 都不到。可换到写代码只剩 2 项第一，还有 2 项掉到四家垫底。

那道 Terminal-bench 4.0 要模型在命令行里一步步把活干完，Argon 得 57.4%，Claude Opus 5.5 得 66.4%。换块场地就换张脸。

有意思的还在后面。模型定在收盘前亮相，彭博社提前放料，引用谷歌内部员工的说法，说 Gemini 4 跑分漂亮，真上手写代码做界面没那么灵。谷歌回应说法不准，可股价不听，从 345 掉到 337.72，收在 340.74，全天仍涨 1.01%。跑分和内部说法对得上，我心里那点怀疑算是落了地。

最让我意外的是开放顺序。现在普通人用不了，头一批只给 Fairwind 计划里做网络安全防守的机构。政府网安部门算一类，医疗、电信、能源、金融这些关键基础设施也在名单上。这批人拿到去掉安全限制的版本，任务是抢在前面挖漏洞。再往后才轮到花 API 钱的开发者和 Google AI Ultra 会员，日期未定。

我记住的是这个次序：先给最懂风险的人，再给掏钱的人。这跟我以前的预期完全不同，原来通用旗舰也能先当专业工具用。等我能上手，第一件事就是把写代码那两项跑一遍，看看 57.4% 是发挥失常还是真短板。

今晚模型这条线已经把 Anthropic、OpenAI、Meta、DeepSeek、智谱、清华挨个过了一遍——今晚 五百多赞的一条推把 Google 也拉了进来，但角度是批评：Gemini 4 Pro 新 checkpoint 刚发，发帖人直接说这是又一次浪费时间；如果 Google 不把 Ultra（真正的大模型，对比现在这些中等尺寸的 Pro 模型）带回来，Google 就已经完了；而且 Google 所有发布第一天就是削弱版。

今晚这一批评论拆开看有两层：一层是这一次的 checkpoint 不够好，另一层是 Google 发布节奏的一个老毛病——Day 1 nerf。

把这条放到今晚发布节奏那条线（61740 那篇：Anthropic 和 OpenAI 把新模型节奏从每 10 周压到每 11 天）对照着看，意思正好反过来。今晚那篇讲的是节奏在加快，这一条讲的是节奏加快的副作用——发得快不等于发得好，Google 这一周给社区的印象是每次首发都要打折扣。

社区里那句"所有 Google 发布 Day 1 就是 nerfed 版"不是一次抱怨，是对发布策略本身的质疑：先放一个中等尺寸的版本占住位置，大模型（Ultra）留着不发。今晚这件事对 Google 的伤害在于，用户第一次拿到的东西如果不够好，第二次发布时用户就不一定回来试了。

另一层是尺寸路线的争议。原帖点出的 Ultra 对 Pro 的区别，本质是"大模型 vs 中等模型"的路线分歧——今晚其他几家这一周的动作其实都撞在同一件事上：OpenAI 的 Astra 和 GPT-6.1 Sol 拉开了能力与价格的两档、Anthropic 的 Claude Sonnet 5.5 走的是效率路线、Meta 的 CLM 改的是 context 用法。

Google 这边被诟病的是，用户想要一个真正拉满的旗舰模型，但拿到的一直是"够用"的中等版本。今晚这一批 五百多赞的不满说明：发布节奏提上来之后，模型尺寸这一层的诚意会更被放大检视。

留一格清楚的边界：这是单一用户的批评贴，checkpoint 的真实水平要看完整评测，不是一条吐槽能定的；"Day 1 就 nerf"是社区长期印象，具体到这一版是不是削弱，需要对比上一版跑同一套基准。今晚把这条记下来的价值在于用户视角的不满方向，不是对 Gemini 4 Pro 的最终判断。

给今天就在挑模型的你一句落地的：今天把你手上正用的模型列出来，每一家问同一个问题——你拿到的是这个系列的旗舰尺寸，还是一个够用的中等尺寸。Google 这一周的教训是：旗舰缺席的时候，中等版本再便宜也留不住最挑剔的那批用户。你的选型里如果有一家一直只给中等尺寸，今晚开始留意它什么时候放出真正的旗舰——那个时间点比任何一次折扣都值得等。

Gemini 4 Pro 的新 checkpoint 好像以马甲进了竞技场——在 Arena 上顶着"Gemini 3.8 Flash"的名字出现。两位测试者的观感高度一致，值得拼起来读。（视频与测试细节见原帖）

第一位（高赞转述）：极快，比其他旗舰快将近两倍；设计品味好到他直接说"是我见过所有模型里最好的"；3D 生成的细节量明显变多、肯抠小地方；相比上个 checkpoint，速度与整体设计感都有实质提升。

他还留了个判断——"感觉他们的 RSI 在起效"——并预计若这个改善速度维持，十月初到月中可能正式发布。第二位补了一个具体样本：同一 checkpoint 做出了一个完整可探索的 3D Wii Remote、带爆炸视图——如果 Arena 测试为真，Google 这次是认真了。

"RSI 在起效"这半句，是今晚最该单独拎出来的一条线索。RSI（递归自我改进）在别处还是概念词，这里第一次以可观察的速度现身：新 checkpoint 的提速与设计感不是一次调参的灵光，而是迭代曲线本身的斜率在变陡——能被外部人从两次发布之间读出的改进速度，就是自改进最朴素的证据。

这与今晚所有关于"效率"的篇目连成一条完整叙事：会话侧在省（档位、假依赖）、推理侧在省（蒸馏、字节码）、训练侧在省（环境开源、明码成本）——而这里省出来的东西更根本：模型自己变强的周期在缩短。

"马甲进 Arena"这个玩法也值得一提。用旧型号的名义测新模型，既能拿到不带品牌偏好的盲测分数，也顺手制造了一场公开的猜测游戏——发布前的预热被外包给了整个社区；当两位素不相识的测试者各自写下"快两倍""品味最好"，这些观察的可信度反而比官方通稿更高。

今晚从信源标注到定量披露一路在讲的"谁说的、怎么核"，在这里恰好用上了它建设性的一面：众口交叉，就是非官方消息的最低核验。

给盯发布节奏的人一句落地的：把这轮 Arena 观察当预发布信号而不是新闻——三个动作：存下马甲名与几条可复测的基线（速度、设计分、3D 细节），正式发布时回来对账；若十月初真上线，你就有了别人没有的"发布前基线"。能在官宣前建立对照组的人，才看得懂升级到底升了什么。

Pi 上能直接调 Gemini 了——推荐的插件叫 pi-gemini-acp，支持到最新的 Gemini 3.8 Flash。给出的四条卖点：一，走的不是反代的野路子；二，Gemini 支持的模型基本都能在 Pi 里调，而且可以分配不同线程并行用；三，Flash 本身输出就快，叠上 Pi 干净的上下文，干活速度很冲；四，动机很实在——作者最近 Codex 和 Claude Code 都有点算力紧张，才转头试谷歌的模型，顺带发现"谷歌的 AI 味没有 codex 那么重"。

这是 Pi 生态的第八击，落点和前几件都不同：耳朵（本地语音）、七篇（官方原理课）、六步（系统搭建）讲的都是"把 Pi 本身用深"，这条讲的是"给 Pi 换后端"——宿主归宿主、模型归模型，插件接上就能换马。

58606 那份 400 万行解剖说过，十一家生产工具的共同点是把 harness 与模型解耦；这条把解耦落到了个人桌面上：你觉得哪家模型顺手就接哪家，不用搬家。

动机那半句比功能更值得记。"算力紧张才换轨"是当下最真实的用户状态——订阅档位的额度是天花板，排队和降速逼着人备胎。今晚另一条刚讲过自动换马的三道坎，作者用行动给出了一个更朴素的版本：手动换。按环节换、按额度换、按味道换——路由的完全体没来之前，手动就是常态，而插件生态把手动的成本压到接近零。

至于"谷歌 AI 味更淡"的观察，是一份有趣的味觉样本。味没有统一标准，但它来自真实使用：排查前端、写内容这类活计上，两位作者的舌头给出了判断。选型时与其信榜单，不如信这种带着具体场景的主观评价——至少它诚实。

给想试的人一句落地的：装上插件先跑你最近积压最多的那类活，对比两条——响应速度和返工次数。速度是 Flash 的强项，返工才见真章；两样都赢，就把这条后端留下当备用通道。

Gemini 一口气接上 13 个新 App（按官方帖转述）：Adobe、Squarespace、OnePeloton 等在列；官方给的使用画面也直白——"不用再在标签页之间跳来跳去：经营生意、设计素材、安排训练，都待在 Gemini 里完成"（完整清单在原帖串内，本条未展开）。

我的看法：这是个人智能三格（58007）里"执行"那一格在横向铺货——Qwen 那边把入口、执行、产出竖着摆进手机，Gemini 这条是把手横向伸进别人的 App：模型不动、应用伸过来——连接器每多一个，"替你行动的默认位"（57776）就厚一分。

三处值得记：①"不切标签页"＝聚合入口的老打法——谁把你的工作面收进一个对话框，谁就继承了主屏级的位置（与 Devin 把工作交回设备（58133）互为表里：一个把手伸出去、一个把活接回来）；②13 个的选品很有讲究——Adobe 是创作、Squarespace 是建站、Peloton 是健身：全是"有事要办"的工具，不是"有内容可看"的网站——连接器选的不是流量，是动作；③商业、设计、训练三连举例＝三条个人业务线，官方在暗示：它想当的是你的第一个工作窗口。

给用户一句实测建议：别被"13"震住——先连你每天真会开的那两三个，跑两周看它替你省了几次切换；连接器的价值从来不看目录长度，看它能不能在你最烦的那一步替你按确定键。

App 清单与用途均为官方帖转述（清单未展开），可用范围以 Gemini 官方支持页为准。

NovaXCode 这条一句话吐槽 "gemini 4 pro cooked really hard 💀"——但仔细想想，"cook" 这个词在不同任务上意思不一样，把"哪些任务容易 cook 翻车"拆开看才有价值。

Gemini 4 Pro 这代 cook 的典型场景：

• 复杂多步推理——尤其是需要"先做规划、再执行、再验证"的链条，到第 5 步左右模型会开始脑补步骤，跟原意偏离；
• 代码长上下文重构——一次塞一个完整仓库让它改一个方法，结果经常是改了不该改的地方，diff 一打开全是无关改动；
• 多模态混合理解——图片 + 长文本同时输入时，模型对图片细节的引用经常错位（"图片左下角那个红框里的按钮"→ 实际指错）；
• 工具调用 schema 严格场景——Agent 框架对返回字段要求严格时，Gemini 偶尔会"自由发挥"字段名，要补 schema 校验兜底；
• 中文长 prompt——同上，对英文 prompt 的稳定性明显好于中文。

为什么会这样（推测）：

• Gemini 系列的训练数据偏长上下文，模型在"长但松"的任务上很强，但在"短但严格"的任务上容易过度发挥；
• 上一代 Gemini 在 benchmark 上以多模态 / 长文为主，这一代延续了这个倾向，代码 / 工具调用不是它的甜蜜点；
• inference-time scaling 的策略跟 Claude / GPT 不一样，长链任务更容易踩到 staleness。

实操层面的几条经验：

• 长 prompt 任务首选 Gemini，短 prompt + 严格 schema 的用 Claude；
• Agent 框架对接时强制开启 JSON Schema 校验，必要时把 Gemini 换成"输出层约束"模式；
• 多模态场景尽量让模型"少看图多看文字"，减少图片细节错位的概率；
• 中文任务如果 prompt 超过 2000 字，先让模型自己总结一遍提纲再正式跑，能显著降低"自由发挥"概率。

一句话总结：Gemini 4 Pro 不是不好用，是"用错地方就容易 cook"——选对任务才能发挥它的长板。

ronisarkar 这条是 Gemini 4 Pro 发布后的开发者社区速写：一句话 + 一张图，原推信息量不大，但话题本身值得拆开聊。

Gemini 4 Pro 这次放出来之后，社区吐槽和真香基本集中在几个点：

• 长上下文稳定输出——Gemini 系列传统强项，4 Pro 把稳定区间拉到 1M–2M token 实测不掉链。这一档对 RAG / 全仓库代码分析这类场景是直接利好。
• 多模态输入更自然——图片、视频、音频混着进 prompt 不用特殊处理，输出风格也跟得上。
• 工具调用 schema 校验比上一代严——少了一个"模型自由发挥返回字段"的常见坑，对接 Agent 框架时省心。

槽点也很实在：

• 响应延迟偏高——长上下文场景下首 token 时间比 Claude 4.5 / GPT-5 慢 20–40%，实时性应用要心里有数。
• API 配额收紧——免费档的 RPM 砍得比上一代狠，开发期烧 token 容易被卡住。
• 中文场景偶发漏字——写代码注释、中文文档摘要这类任务，长 prompt 里偶尔会丢字，建议自己加一道后处理。

跟 Anthropic / OpenAI 的对位判断：

• 跑长 prompt 任务选 Gemini 4 Pro 比较划算；
• 写代码 / 工具调用严谨度还是 Claude 占优；
• 综合性价比和工具丰富度 GPT 系列仍是更稳的选择。

跑前先想清楚自己最在意"长"还是"稳"，别被"Pro"两个字绑住。

shownotover 这条把本周的模型圈大事提前剧透了一遍：Gemini 4、Opus 5.5、Grok 4.7、GPT-6 Sol 四家模型本周内陆续上线。四个名字里 Grok 4.7 已经放出来了，其它三家还在排队。

一次性过一下各自的看点：

• Gemini 4：谷歌这次主打的升级点是原生多模态和长上下文稳定输出，对 Deep Research 这类"读一摞 PDF 再回答"的工作流是个大改版。
• Opus 5.5：Anthropic 这边一惯的慢节奏，5.5 大概率是工程优化 + 工具调用加固的版本，不是质变。适合当前 Opus 用户平滑升，不建议为它迁移。
• Grok 4.7：xAI 这边已经在上一轮发版了，主打同价同速、效果提升，SOTA 评测榜上的具体位次要等独立评测出来再下结论。
• GPT-6 Sol：「Sol」这个后缀猜测跟 OpenAI 上一轮"内部数学模型"的方向相关，可能跟科研 / 长推理性价比有关，也可能是简化版的轻量档。

几个使用层面的预判：

• 这周建议评测先于迁移——四家厂商都习惯"先发新闻再上真实能力"，第一版 24 小时内通常有 hotfix。
• 跑分优先看 HLE、ARC-AGI、LiveBench 这类不容易被训练集污染的，忽略厂商自报的 MMLU 子集。
• Agent / 工具调用场景建议等一周再灰度，因为首批接入的 SDK 一般跟不上模型本身的功能补全。

薅评测没问题，被"四选一"标题党带偏就亏了。

Google发布了Gemini的Agent式视频理解能力，这是视频AI的一个重要突破。

以前的视频理解是静态处理——按照固定帧率把视频拆成一帧帧图片，然后逐帧分析。这种方式效率低、成本高，而且容易错过关键信息。

Gemini的新能力是主动理解——模型可以自己决定看哪里、看多久。就像人看视频一样，不会每一帧都仔细看，而是根据目标主动选择关注的内容。

这个技术的应用场景很广：

1. 视频摘要 - 自动提取视频核心内容，不用看完整个视频
2. 视频搜索 - 在长视频中快速找到特定场景或信息
3. 视频问答 - 对视频内容进行深度理解和回答
4. 内容审核 - 自动识别视频中的违规内容

关键是这种agent式的理解方式更接近人类的视频观看习惯，效率和准确性都比传统方式高很多。

对于做视频内容分析、视频搜索、视频推荐的团队来说，这个能力值得重点关注。

🎬 Google发布Gemini Omni 1.1 Flash：视频生成进入"连续叙事"时代

很多人觉得AI视频生成已经够好了，能生成几秒钟的高质量视频。

但Google刚发布的Gemini Omni 1.1 Flash，把视频生成推向了一个新阶段：从"生成片段"到"连续叙事"。

核心升级：

1️⃣ 场景扩展能力大幅提升
以前只能基于1秒上下文扩展视频，现在可以基于10秒上下文扩展。这意味着更连贯的故事线、更自然的镜头过渡。

2️⃣ 4K超分辨率
直接从低分辨率生成4K视频，不需要后期处理

3️⃣ 首尾帧控制
可以指定视频的第一帧和最后一帧，让生成的视频精确连接到你想要的画面上

4️⃣ 快速草稿模式
360p的快速生成，用于测试想法，然后再用高分辨率版本

这意味着什么？

以前做AI视频：

• 生成5秒片段A → 生成5秒片段B → 手动拼接 → 容易断裂

现在：

• 输入10秒上下文 → 生成连贯的20秒视频 → 自然过渡

这不只是时长的增加，而是叙事能力的质变。你可以真正讲述一个有开头、发展、结尾的故事了。

实际应用场景：

• 短视频创作：从"5秒切片"变成"完整故事"
• 广告制作：快速测试不同创意方向
• 教育内容：生成连续的教学演示
• 产品演示：展示完整的使用流程

个人思考：

这个升级的意义在于：AI视频终于开始理解"时间"了。

以前的AI视频生成是"空间思维"——生成一帧漂亮的画面。现在开始有了"时间思维"——理解画面之间的因果关系、情感递进。

这对创作者来说是巨大的效率提升。以前要花几天时间拍摄、剪辑的素材，现在可能只需要几个提示词。

当然，目前还做不到完美。但趋势很明确：AI视频正在从"玩具"变成"工具"。