Gemini 4 的寫程式實力，基準測試高分就代表實戰好用嗎？

Gemini 4 Argon 的評價出現落差：Google 強調它在多項基準測試中表現領先，但有熟悉內部評估的員工向媒體表示，模型用於部分實際程式工作時，表現不一定同樣理想。這些說法反映的是員工之間存在疑慮，並不代表公司內部已形成一致結論，也不能單憑傳聞判定 Gemini 4 落後競品。11

基準測試亮眼，實際開發仍有不同觀感

Google 表示，Gemini 4 在多項基準測試取得領先成績，其中一項衡量安全能力的測試，分數高於 OpenAI 的 Astra。另一方面，部分接觸過模型的員工據報稱，它處理某些實際程式任務時不夠穩定，前端開發尤其受到關注。1114

這兩種說法並不必然互相矛盾：基準測試呈現的是特定評測中的結果，工程人員的日常體驗則關乎模型在具體工作中的表現與一致性。前者不能回答所有實務問題，後者也不足以推翻測試成績。

Google 否認表現不佳，員工對競爭態勢看法分歧

Google 表示，稱 Gemini 4 在程式領域表現不佳並不準確，並以基準測試結果作為依據。至於內部看法，報導指出並不一致：有員工認為 Anthropic 的 Fable 與 OpenAI 的 Astra 進步較快，也有人認為 Gemini 4 已追上領先模型。111213

因此，目前較恰當的理解是：外界看到的是一場關於評測成績能否代表實際工作表現的爭論，而不是對 Gemini 4 能力已有定論。

放棄 Gemini 3.5 Pro，為發布進程增添背景

據報導，Google 原先計畫在 2026 年 6 月推出 Gemini 3.5 Pro，後來放棄該版本，轉而推出 Gemini 4。這段開發與發布歷程，讓外界更關注 Google 的模型進度；但它本身不能解釋 Gemini 4 傳出的程式表現疑慮，也不能證明新模型較競品遜色。613

股價波動是市場反應，不是能力判決

相關報導傳出後，Alphabet 股價收斂了當日稍早逾 2% 的漲幅，收盤時約上漲 0.5%。這顯示消息出現期間市場情緒有所變化，但股價走勢本身無法證明員工的疑慮正確，也不能單獨證明報導就是股價變動的原因。114

投資人更關心的，是 Google 能否在旗艦 AI 模型競爭中與 OpenAI、Anthropic 一較高下。Gemini 4 正處於這場競爭的焦點；至於它對 Google 個別產品會有什麼影響，現有報導並未提供具體結果，仍有待觀察。10