Gemini 4 的高分，能否经得起真实编程任务考验？

彭博报道称，Gemini 4 在常见人工智能基准测试中表现不错，但部分谷歌员工在实际使用时发现，它处理某些编程任务的表现不如测试成绩所显示的那样理想。这些说法来自不愿具名、直接接触该项目的人士，因此应视为员工反馈，而不是对模型全部能力的独立评估。谷歌否认了相关批评；同日另有报道说，公司公布了 Gemini 4 Argon，但未给出面向公众开放的时间表。7510

彭博报道了什么？

据彭博报道，Gemini 4 在业内常用的模型评估基准中成绩不错，但一些接触该项目的员工称，它在实际使用中难以完成某些编程任务。由于消息来源匿名，这项报道呈现的是内部使用者的反馈，并非公开发布的独立测试结果。7

基准测试与真实任务反馈提供的是不同类型的信息：前者是在特定测试条件下比较模型表现，后者反映模型在某些具体工作中的表现。彭博的报道指出，两者之间可能存在落差，但并不能据此断定 Gemini 4 在所有实际应用中都表现不佳。7

为什么编程能力对谷歌重要

谷歌正参与人工智能编程工具的竞争。彭博此前报道，谷歌内部管理层担忧公司在这一领域落后，尤其是 Anthropic 的相关工具被消息人士形容为更有效，也更受企业欢迎。4

另一篇 7 月的报道提到，Gemini 3.5 Pro 的推出比计划晚了数月，谷歌正努力提升模型能力，尤其是编程表现。报道引述的员工担心，Anthropic 和 OpenAI 推出的模型在能力上超过了 Gemini。1 路透社也报道，Gemini 3.5 Pro 的目标之一，是帮助谷歌追赶人工智能编程工具和智能体任务领域的对手。2

这些报道可以说明谷歌面临的竞争背景，但涉及的是 Gemini 3.5 Pro 延期和更广泛的竞争担忧，并不能证明 Gemini 4 存在相同问题，也不能据此认定谷歌已经落后。现有来源也没有说明，Gemini 4 被指存在的编程问题会如何影响具体产品或客户。247

Gemini 3.5 Pro 是不是被放弃了？

目前的报道支持这样的说法：谷歌曾推迟推出 Gemini 3.5 Pro，并在此期间努力改善模型能力，特别是编程表现。但这些报道没有证明谷歌已经放弃了该模型。12

延期不等于取消；关于 Gemini 3.5 Pro 的报道，也不能直接当作 Gemini 4 表现如何的证据。彭博此次报道聚焦的是另一款模型以及员工对它的不同看法。17

谷歌如何回应

据 ZeroHedge 转述彭博报道，谷歌称，将 Gemini 4 描述为编程表现不佳是“不准确的”。这一回应与匿名员工的说法相互矛盾；现有来源没有提供一项公开、独立的测试来裁定双方分歧。57

时间点也值得留意：彭博报道刊出时，谷歌正准备推出 Gemini 4；同日，另一则报道表示，公司已公布 Gemini 4 Argon，但尚未公布面向公众普遍开放的时间表。710

Alphabet 股价如何反应

相关报道发布后，Alphabet 股价回吐了部分日内涨幅。援引 Investing.com 数据的报道显示，股价一度上涨超过 2%，临近收盘时涨幅收窄至约 0.5%。换句话说，股价涨势减弱，但当天仍高于前一交易日收盘价。9

这则报道说明了什么，又没有说明什么

报道提出了一个值得关注的问题：Gemini 4 在基准测试中的好成绩，能否转化为员工尝试过的编程任务中的实际表现？目前披露的信息主要来自匿名内部人士的说法以及谷歌的反驳，并非完整的公开评测。57

此前 Gemini 3.5 Pro 的延期，为谷歌面临的竞争压力提供了背景，但不能证明这款模型已被放弃，也不能证明 Gemini 4 在整体上落后于对手。17