Gemini 4 dipuji dalam ujian, namun ada pekerja Google mempersoalkan prestasi kodnya

Gemini 4 Argon menerima dua penilaian berbeza. Google mengetengahkan keputusan cemerlang model itu dalam beberapa penanda aras, manakala sesetengah pekerja dilaporkan mendapati prestasinya kurang konsisten apabila digunakan untuk kerja pengekodan sebenar. Perbezaan ini wajar diberi perhatian, tetapi laporan yang tersedia menunjukkan pandangan dalaman yang bercampur-campur—bukan kesepakatan bahawa Gemini 4 ketinggalan berbanding pesaingnya. 11

Mengapa skor penanda aras belum menjawab semuanya

Google berkata Gemini 4 mencatat keputusan terkemuka dalam beberapa ujian penanda aras, termasuk mengatasi model Astra OpenAI dalam satu ujian keupayaan keselamatan. Namun, pekerja yang mengetahui penilaian dalaman model itu dilaporkan mempunyai pengalaman berbeza dalam sesetengah tugasan pengekodan praktikal, termasuk pembangunan bahagian hadapan—kerja yang melibatkan paparan dan interaksi sesuatu laman web atau aplikasi. 1114

Pengalaman tersebut tidak membatalkan keputusan penanda aras, dan keputusan penanda aras pula tidak menjawab semua persoalan tentang prestasi dalam kerja kejuruteraan harian. Kedua-duanya menggambarkan perbezaan antara markah dalam ujian tertentu dengan tahap kegunaan dan konsistensi model untuk tugasan khusus.

Google menolak kritikan, pandangan pekerja pula berbeza

Google menyatakan bahawa tidak tepat untuk menggambarkan Gemini 4 sebagai berprestasi lemah dalam pengekodan, sambil menekankan keputusan penanda arasnya. Pada masa yang sama, laporan mengenai pandangan pekerja tidak menunjukkan pendirian yang seragam: sesetengah kakitangan dilaporkan berpendapat model Fable daripada Anthropic dan Astra daripada OpenAI sedang berkembang lebih pantas, manakala yang lain berpendapat Gemini 4 sudah mengejar model-model terkemuka. 111213

Perbezaan pandangan ini bermakna kritikan dalaman mahupun hujah Google berdasarkan penanda aras belum cukup untuk dijadikan keputusan muktamad tentang keupayaan Gemini 4.

Rancangan Gemini 3.5 Pro memberi konteks kepada laluan pembangunan

Menurut laporan, Google pada asalnya merancang untuk melancarkan Gemini 3.5 Pro pada Jun 2026, tetapi membatalkan versi itu dan beralih kepada Gemini 4. Perkembangan ini menambah konteks kepada persoalan tentang rentak pembangunan dan pelancaran model Google. Namun, ia tidak dengan sendirinya menerangkan kelemahan pengekodan yang dilaporkan atau membuktikan bahawa Gemini 4 lebih rendah daripada pesaingnya. 613

Mengapa pelabur mengambil perhatian

Selepas laporan itu diterbitkan, saham Alphabet mengurangkan kenaikan terdahulu yang melebihi 2%, lalu menutup sesi dagangan Rabu dengan kenaikan kira-kira 0.5%. Pergerakan harga itu berlaku seiring perubahan sentimen pasaran, tetapi tidak membuktikan bahawa kebimbangan pekerja itu tepat atau bahawa kebimbangan tersebut menjadi punca pergerakan saham. 114

Persoalan yang lebih besar bagi pelabur ialah sama ada Google mampu bersaing dengan OpenAI dan Anthropic dalam pembangunan model AI utama. Laporan itu meletakkan Gemini 4 dalam persaingan tersebut, tetapi tidak menyatakan kesan khusus terhadap produk Google yang lain. Sebarang kesan lebih luas masih berupa persoalan, bukannya hasil yang sudah dibuktikan. 10