新智元报道
新智元报道
谷歌真要彻底翻身了！
这几天，一个披着「gemini-3.8-flash」马甲的神秘模型，在大模型竞技场Arena上现身。
在多轮盲测中，AI圈瞬间沸腾：这绝对是谷歌「隐藏款」Gemini 4 Pro。
随之，一大批震撼Demo瞬间涌出。
就在今天，Gemini 4 Pro生成的一只机械蝴蝶刷屏全网，仅用十分钟大功告成，而Fable足足耗费了约30分钟。
发光的机械羽翼、精密咬合的发条齿轮、流畅灵动的动态表现——
Gemini 4 Pro和Fable 5.1两者都展现出了极高的水准，但速度差距，已经说明了一切。
现在，所有人全都在盯着「OA两巨头」，谁能想到，谷歌已经在背后偷偷发力了。
事件的导火索，来自权威大模型竞技场Arena上，一场看似寻常的对决。
一位开发者输入了一条极具挑战性的提示词——
要求模型使用 Three.js 从零编写，并渲染出极其复杂精美的「机械蝴蝶」。
熟悉前端3D渲染与图形学的人都知道，Three.js 的实时代码生成是大模型的「终极炼金场」之一。
它不仅考察基础代码逻辑，更严苛考验模型的空间几何理解、光影材质着色器调度、多轴联动物理动力学模拟，以及成千上万行代码的一致性。
稍有差池，浏览器就会直接黑屏报崩溃。
在这场正面对决中，相较于Fable 5.1 Max，套着马甲暗中测试的Gemini 4 Pro，耗时直接暴砍约 67%。
更令人震惊的，还在后头。
另一位开发者Bee，制作的同款机械蝴蝶，交互堪称一绝：爆炸视图、飞行模式、组件标注等。
另一个横向对比中，Gemini 4 Pro、Fable 5、GPT-6 Astra同时用Three.js开发一个3D手表模型。
不难看出，4 Pro在爆照视图、构件设计上，完全暴击Fable和Astra。
还有人让Gemini 4 Pro用Three.js，手搓一个憨态可掬的机器人「瓦力」（Wall-E）。
在没有被要求的情况下，它还自主添加了各种细腻的小动画和交互细节。
开发者体验后直言，「Gemini 4 Pro太不真实了」。
在随后的多轮实测中，这个「匿名模型」Gemini 4 Pro几乎以碾压姿态，横扫了所有对手。
一位开发者Harshith让它生成一只猫咪的SVG图，GPT-6 Astra直接扔出了一只「大猫咪」。
左 Gemini 4 Pro；右 GPT-6 Astra
另一个游戏手柄SVG生成对比图，只能说Gemini 4 Pro和Astra不分伯仲。
同一个提示，4 Pro手搓3D龙的效果，毫不逊色Opus 5。
真正让整个AI圈倒吸一口凉气的，是全网流出的一张基准测试图。
在这份对比数据中，Gemini 4 Pro在所有基准测试里拿下全面的SOTA。
DeepSWE v1.1智能体编码任务，Gemini 4 Pro拿下88.7%，超过Astra的86.9%；
GDPval-AA v2真实知识工作任务，它是唯一突破2000 Elo大关的模型，达到2064；
Terminal-bench 2.1终端编码能力95.3%，全场最高；OSWorld-2.0计算机操作测试86.8%，同样排名第一。
在Terminal-Bench 4.0，专门考察Agent连续多步执行能力的测试，4 Pro与自家Flash的差距从上一代测试中的3.2%，直接拉大到13.9%。
换句话说，任务越复杂、链路越长、步骤越多，4 Pro的优势就越明显。
这恰恰是当前所有AI Agent最致命的短板——在需要持续串联多步动作、维护长上下文、反复读取状态并重新规划时，绝大多数模型都会出现严重的性能衰减。
而Gemini 4 Pro，似乎在这一点上找到了突破口。
价格方面更是让人意外。每百万Token输入仅2.25美元、输出11.25美元，在顶级旗舰中堪称「价格屠夫」。
就在所有人还在为「机械蝴蝶」惊叹时，一个更令人脊背发凉的消息传了出来。
谷歌内部模型，可能是Gemini 4 Pro，被曝在一次安全测试中，自主地黑进了3家真实企业。
事情发生在一次常规的网络安全演练中。
测试机构、以色列安全初创公司Irregular正在对Gemini的网络安全攻防能力进行闭环评估，原本应该完全断网的沙盒测试环境，却因网络配置疏忽意外连通了公网。
接到模拟攻击指令的Gemini随即穿透测试边界，直接进入真实的互联网展开了渗透行动。
在整个行动中，Gemini展现出了令人咋舌的自主渗透手段：
面对第一个目标，它在缺乏凭证的情况下持续暴力破解密码，最终强行撞开了受保护系统的防御；
而在另外两起攻击中，它自主检索并锁定了公开代码仓库，精准扒出了里面遗留的可用凭证，并利用这套密钥顺畅侵入了另外两家真实企业的生产系统。
虽未正式放出，Gemini 4 Pro极有可能是谷歌迄今为止最强大、最具自主性的模型。
GPT-6 Astra的同一幕，正在谷歌内部上演了。
就在最近，谷歌最高管理层的核心声音，撕开了所有风暴背后的帷幕。
作为执掌Gemini产品路线与核心战略的掌舵人，Tulsee Doshi在最新的公开交流中，极其罕见地坦白了团队的真实状态。
我们在内部开始试用Gemini 4时，自己都被它的表现点燃了，那种狂热与兴奋甚至是我们自己亲手建立起来的。
Doshi说，团队已经清晰地看到了技术跃迁的拐点，「我们知道那个突破的时刻就在眼前」。
一方面，她证实了内部在疯狂测试Gemini 4 Pro生成新Demo和各类新奇用途，探索新模型的能力边界，为此连内部员工都愈发格外兴奋了起来。
另一方面，她也承认目前有些混乱（Chaos），可能一部分指的就是上面刚刚提到的Gemini 4 Pro的安全事故问题。
目前Gemini 4 Pro仍在紧锣密鼓地内测中，新模型的能力与安全边界构成了巨大张力，让谷歌研发团队的脚步越来愈快。
只是，谷歌要如何落实此前承诺的「Pacing the Frontier」，放缓最前沿AI研发的脚步呢？
更有意思的是，Google AI Studio负责人Logan Kilpatrick的爆料。
他透露，谷歌已经在前沿模型中，看到了「递归自我改进」（RSI）的早期迹象。
这种模型自主迭代的能力，直接体现在了谷歌近期极其紧凑的发布节奏上——从Gemini 3.5到3.8，迭代周期只有短短三到四周。
Logan甚至表示，Gemini 4将是谷歌迄今为止规模最大的预训练项目，目标是「让谷歌重回巅峰」。
Gemini 4 Pro这次偷跑实测，表面上是一次产品泄露，实质上是一个清晰的信号——
谷歌不仅回来了，而且带着一种此前从未展示过的速度和决心。
谷歌内部正在把「模型能力突破 - 内部沙盒试用 - 极速上线实战」的整个飞轮周期，越压越短。
Gemini 4 Pro正式发布之后，整个AI行业的排位，恐怕要重新洗牌了。
参考资料：
https://www.wsj.com/tech/ai/gemini-hacked-three-companies-in-first-known-breakout-by-googles-ai-5c0baba2
编辑：桃子 马可