Gemini4 首测，让我伤心欲绝，Claude陨落了！

今天期待已久的 Gemini4 Argon 发布了。但是有一个天才程序员陨落了Claude 大中华区唯一代言人甲维斯被“疯号”了看来公众号也可以停更了现在脑子嗡嗡响这个事情就发生在我测试 Gemini4 的期间我拿 Opus5.5 做了一个对比测试我测试的题目是这个这是一个视觉推理题目给定一张我定制的坦克大战的图片然后让它根据图片回答问题。问题是如果两炮能打掉红色框中的砖块那么黄色坦克朝右开两枪会怎么样基地会怎么样正确的答案应该是会挂掉。由于我的谷歌 AI 是 Pro 会员所以还无法在 Antigravity 中测试所以我就在 Gemini 的网页上进行测试这个测试过程非常波折。首测拉胯我在 Gemini 的网页上选择了 Argon 模型连测两次都失败了这让我非常失望。其中一次结果如下从这个回答的第一条就可以看出来它这个错误很典型它并没有仔细看这个图片而是根据记忆和经验直接做回答了。所以结果肯定是错的。作为 Google 的最新旗舰模型这个问题都回答不了 我有点难以置信所以我就提醒了一下提醒之后立马发现问题的关键。 它终于知道了这个厚度关系这一点很好然后我又新开对话连续测了两次全部回答正确。这个时候我有点怀疑它的记忆系统以及记录了这个问题。但是我无法确定所以我后面会用 API 跑一次。对比测试为了更加公平我也在网页上问了 Claude 和 GPT 同样的问题Opus5.5 连问五次全部正确它的思路非常清晰它立马就注意到了这个问题的关键——厚度发挥也非常稳定五次回答推理和结论基本一致。我的 Claude 默认是关闭记忆功能的所以可以排除记忆干扰我不开记忆主要是怕它知道太多然后是 GPT 的情况image-20261014101407931这一轮回答简直就是弱智GPT 的情况整体比较复杂它的网页版分聊天和工作聊天里面只能选 GPT6不知道后缀是什么我问了几次有对有错。然后我切换到 work 模式问了几次GPT-6.1 Sol 基本都错GPT-6 Astra 基本都对。总感觉OpenAI 只是不停的在调整后端路由然后不停的按ResetAPI 测试因为记忆问题、网页智能体的问题、后端路由的问题可能都会影响答案。所以我直接通过 OpenRouter 调用 API 进行了测试。我选了四个模型分别测了五次结果如下模型第1次第2次第3次第4次第5次核心正确率Claude Opus 5.5✓✓✓✓✓5/5Gemini 4 Argon✓✓✓✓✓5/5GPT-6 Astra✓✓墙厚误判✓墙厚误判3/5GPT-6.1 Sol✓方向误读✓方向误读墙厚误判2/5这里使用的思考强度全部是“中等”可以看到 Opus5.5 稳如老狗全部正确Argon 也是全对的GPT 的情况稍微有点惨烈我之前在 Codex 上也测试过 Astra 是 100% 正确的可能它要用特定的 harness 才能稳定发挥也可能刚上线时候的 Astra 和现在的不一样。从这里来看Gemini4 还是很强的所以网页版刚开始回答错误可能是模型还没有真的切换到Gemini4而后来全部正常全部都是Gemini4回答的。这一点有账号的都可以去测试一下另外我也可以给大家看一下费用情况模型第一轮费用第二轮费用两轮合计10次Claude Opus 5.5$0.11332$0.10454$0.21786Gemini 4 Argon$0.02968$0.03895$0.06863GPT-6 Astra$0.09555$0.08470$0.18026GPT-6.1 Sol$0.02456$0.01924$0.04380合计$0.26311$0.24743$0.51055在同样答对的情况下Gemini 4 的成本非常低。 比 O、A 两家的旗舰模型低很多。所以针对这类问题G4非常有性价比的。看来 G4 的视觉推理能力还不错证明眼睛和脑子还可以。至于能不能解决工程问题开发方面怎么样就只能用 Antigravity 来测试了。我的 Pro 账号还没法用这个模型要稍等一下我也在网页版测试了清明上河图效果不好先写这么多吧本来开开心心玩谷歌。现在“前女友”拉黑我了需要先哭一会儿Claude 大中华区以后没有代言人了根据大数据统计申诉成功的概率只有 10% 左右非常渺茫有个朋友说了一句“节哀顺变”这个氛围拉满了我从来没有考虑过如果没有 Claude我要怎么办这个问题。我现在可以考虑一下了