Gemini 4 的基准分数很高，实际编程表现却让部分谷歌员工存疑

谷歌新一代旗舰模型 Gemini 4 Argon 的评价出现落差：公司强调它在多项基准测试中成绩领先，但据报道，一些接触过模型的员工认为，它在实际编程工作中的表现没有分数看起来那么稳定。这反映的是部分员工的使用体验，并不代表谷歌内部已有一致结论，更不能单凭这些说法断定 Gemini 4 落后于竞争对手。11

基准成绩为何不能说明全部问题？

谷歌表示，Gemini 4 在多项基准测试中表现领先，其中一项衡量安全能力的测试成绩超过了 OpenAI 的 Astra。另一方面，据报道，熟悉内部评估的员工认为，模型处理部分实际编程任务时仍有不足，前端开发也受到质疑。1114

这两类信息并不必然互相否定。基准测试反映的是特定评测项目中的表现；工程师日常工作中的体验，则还涉及模型在具体任务上的实用性和稳定性。前者成绩亮眼，不代表所有实际任务都同样顺手；后者受到质疑，也不足以抹去已有的测试结果。

谷歌反驳批评，员工看法也不一致

谷歌表示，把 Gemini 4 描述为编程表现不佳并不准确，并援引其基准测试成绩为模型表现背书。与此同时，报道中的员工意见并非一面倒：有人认为 Anthropic 的 Fable 和 OpenAI 的 Astra 进步更快，也有人认为 Gemini 4 已经追上领先模型。111213

因此，目前更适合把这场争论看作对“测试分数能否代表实际工作体验”的不同判断，而不是对 Gemini 4 能力的最终定论。

放弃 Gemini 3.5 Pro，为发布节奏增添背景

据报道，谷歌原本计划在 2026 年 6 月推出 Gemini 3.5 Pro，后来放弃该版本，转而推进 Gemini 4。613 这段开发历程让外界更关注谷歌的模型研发与发布节奏，但它本身并不能解释 Gemini 4 被指存在的编程短板，也不能证明新模型整体逊于对手。

为什么 Alphabet 股价也受到关注？

相关报道传出后，Alphabet 股价在周三交易时段收窄了早前超过 2% 的涨幅，最终上涨约 0.5%。这一波动说明消息发布期间市场情绪有所变化，但股价走势本身无法证实员工的担忧，也不能证明这些担忧就是股价变化的原因。114

投资者关注的更大问题，是谷歌能否在旗舰 AI 模型竞争中与 OpenAI、Anthropic 抗衡。Gemini 4 是这场竞争的一部分；至于相关质疑会否影响谷歌的具体产品，目前报道并未给出明确结论。10