Gemini 4 终于给我用了，能不能脚踢 Claude Opus 5.5？

大家好，我是 Ai 学习的老章 老章一直对 Gemini 3.8 Flash 的评价很高，不仅推理速度快如闪电，还附赠了 Colab Pro 和丰富的算力比如 A100 的使用权限 其实网上很多吐槽 Gemini 难用的负面声音，很大程度是被 Gemini 的网页版和桌面客户端劝退了， Gemini 4（内部代号 Argon）磨磨叽叽半个多月了，前些天只对 Google AI Ultra 顶配用户开放，今天终于全面轮到我们 Pro 用户了 打开 Antigravity CLI，在模型切换菜单里已经能直接选到 Gemini 4 Argon ，思考强度（Thinking Effort）也可以自由调节到 High，让它在后台进行最深度的复杂推理 更让人舒心的是它的配额机制：Google 这次挺厚道，Gemini 4 Argon 与 Gemini 3.8 Flash 的额度是彻底分开的两个池子，互不占用，就像列表里的 Claude Opus 5.5 和 Sonnet 5.5 一样独立计算，顺嘴说一句 Claude Opus 5.5 形同虚设，一个问题干掉 5 小时额度 实测：复杂动画与代码视频生成 拿到新模型，老章第一时间拿它和当前的编程王者 Claude Opus 5.5 掰掰手腕 最近 Claude Opus 5.5 被社区深度发掘出惊人的代码动画与视频生成能力，比如下面这段纯代码构建的手绘沸腾线风格火柴盒点火动画： 老章拿了完全相同的提示词和参数要求，让刚上线的 Gemini 4 Argon 也来挑战一次 实测下来的第一体感：思考过程极其漫长，开启高强度思考后在后台反复推演，这类复杂动画任务半小时起步才开始交卷 结果也有点粗糙，差点意思，好在完成了任务 随之而来的就是心疼，一周宝贵的 Argon 额度肉眼可见地直接被消耗 30% 多，容错率极低，根本经不起反复调试折腾 除了老章自己的手感，大家最关心的还是它在复杂工程里的真实实力 在海外众多评测中，前端顶流博主 Theo 的测试最具说服力，直接拿自己生产级的 T3 代码库做了严格的盲测架构审计 结果出来，可以说把 Gemini 4 Argon 的底裤给彻底扒光了： Claude Opus 5.5 凭借 8.40 的高分稳坐榜首，42 项声明里只有 2 项错误，虚假声明率低至 5% Claude Sonnet 5.5 拿下 7.88 分，虚假声明率 9% GPT-6.1 Sol 和 GPT-6 Astra 也稳稳拿下 7.66 和 7.11 分 满怀期待登场的 Gemini 4 Argon 却直接暴跌到 3.95 分，在一众旗舰模型中垫底 最离谱的是虚假声明率：92 项系统断言里有 47 项纯属捏造，错误率高达 51% Gemini 4 Argon 不懂真实项目架构、乱提重构建议，甚至一本正经地编造完全不存在的系统行为 Theo 测完后直接给出极其严肃的忠告： “I was genuinely hopeful for Gemini 4 Argon. There are some good parts, but generally speaking, this model should be avoided.”（原本对它满怀期待，虽然某些局部有些亮点，但大体而言，开发者在实际项目中最好避开这个模型） Three. s 3D 渲染实测 除了架构层面的代码审计，海外开发者 Bhavani 也做了一组直观的 3D 渲染代码对比 他给出的 Prompt 是：在 Three js 中完全用纯代码构建巴黎埃菲尔铁塔 同台竞技的选手涵盖：Gemini 4 Argon、Claude Opus 5.5、GPT-6 Astra 以及国产的 Kimi K3 以及四款模型的对比： Argon 构建的埃菲尔铁塔底层结构明显畸变，骨架比例完全走样，缺乏真实的力学与空间对称感 表现最让人惊艳的反倒是 GPT-6 Astra 和国产的 Kimi K3，塔身细节精致，层级分明，高度贴近真实的埃菲尔铁塔 Claude Opus 5.5 依然保持着一贯的沉稳水准 在需要精细几何推演和 3D 代码构建的场景下，Argon 再次显露出空间想象力与代码精确度上的脱节 看 Google 官方博客最新的技术报告，战报可谓豪华至极： Alphabet 内部每月有超过 10 万名工程师重度依赖 Argon 内部 Agent 代码产出 4 周内激增 35%，提交后回滚率下降 30% 帮 YouTube 优化前端评论区性能，CPU 开销直接腰斩，端到端延迟降低 20ms 帮 Wing 无人机物理模拟器推导空气动力学，提出了 18 项高难度建模改进 自动把运行了几十年的 Fortran 科学计算遗留系统完整重写为现代 Rust，不仅性能提升