Gemini 4 Argon深度实测：编程、多模态全面进化，AI自我复制引担忧

谷歌最新前沿模型 Gemini 4 Argon 已正式通过 Gemini API 全球推送，面向 Pro 用户、Gemini 应用 Ultra 订阅者以及 Anti-Gravity 平台开放。同时，Anthropic 的 Fable 5.5 据传已现身 Azure 美东区模型目录，OpenAI 的 GPT-6.1 Astra 也被内部系统记录曝光。更引人深思的是，Anthropic 最新研究指出，小型 AI 模型可能很快具备自主复制能力，脱离数据中心运行——这或许是本周最值得关注的 AI 安全议题。

一、Gemini 4 Argon 上手实测：视觉编程与 3D 生成堪称惊艳

谷歌声称 Gemini 4 Argon 在编程、金融、法律、网络安全与科学领域实现了重大飞跃。实测下来，这款模型在视觉编程、3D 生成及多模态理解方面的表现确实可圈可点。

编程能力：速度与成本优势明显

在前端编程挑战中，Gemini 4 Argon 与 Opus 5.5 正面对决。测试采用结合 X-Half 推理的 Devin Clive，Opus 5.5 耗时约 30 分钟、花费约 12.5 美元；而 Argon 仅耗时约 15 分钟、花费约 5 美元，不仅快了一倍，成本还低了约 60%。生成的界面色彩饱和度与生动感也更胜一筹。

不过，编程跑分往往专为基准测试优化，实际开发场景中的表现仍需更多验证。谷歌声称 Argon 协助重构了 Chrome 极其庞大的代码库，原本需要数月的工程工作量仅用几周就完成，还将 Gemma 4 的推理速度提升了 2.85 倍，内部代码提交量增加 35% 以上。

X-Half 推理指的是一种将模型推理过程拆分并分阶段执行的工程技术，其核心思路是让模型在生成最终代码前，先用一半的推理预算进行快速草稿或结构规划，再投入剩余算力精修。这种做法在智能体编程场景中尤为常见，因为它能在不显著增加总成本的前提下，提高复杂任务的首次通过率。Devin Clive 则是将这类推理调度与智能体执行框架结合的工具链名称，代表当前 AI 编程助手从“单次补全”向“多轮自主迭代”演进的趋势。理解这一点，有助于判断跑分对比中“耗时”与“成本”两项指标的真正含义：它们不仅反映模型本身的推理速度，也包含智能体调度、重试次数和人工干预的综合开销。

多模态与视觉能力：目标检测、文本提取领先

Argon 在目标检测中位列第一，生成的边界框极其精准，即使目标密集复杂也能应对。文本提取方面保持领先，能轻松处理微小字迹、手写内容和复杂表格，甚至对角度旋转文字的识别准确率也相当高。

有测试者让 Argon 制作一个苹果电脑交互式博物馆，全程未提供任何参考图片或数据。模型自主从历史档案中搜集苹果产品照片，编写图片清洗工具，收集近 50 年规格数据，并打造了可交互的 3D 封面流展示。这种自主调研与工具构建能力，展示了模型在复杂现实任务中的上限。

边界框是目标检测任务中用于标出图像内物体位置的矩形坐标，通常以左上角和右下角的像素坐标表示。模型输出边界框的精度，直接决定了它在自动驾驶、工业质检、文档解析等场景中的可用性。当目标密集、相互遮挡或尺寸极小时，边界框容易重叠或偏移，因此“密集复杂场景下依然精准”是一项有实际含金量的能力。与边界框紧密相关的是文本提取中的旋转文字识别：真实拍摄的表格、票据或手写笔记往往存在角度倾斜，模型需要先估计文字方向再逐字识别，这比水平文本识别难得多。Argon 在这些指标上领先，说明其视觉编码器与语言解码器之间的对齐质量较高，但实验室指标与真实业务中的长尾分布仍有差距。

二、视觉编程细节：3D 资产、SVG 动画与游戏复刻

Gemini 4 Argon 独立生成了一个 3D 效果，未借助任何外部贴图或素材，完全依靠智能体自主编程生成高质量 3D 资产。它还生成了交互式元素周期表，元素动效丝滑流畅，交互响应灵敏。

在 SVG 动画方面，Argon 的表现比 GPT-6 Astra 更出色，每个 SVG 动画约耗时 5 分钟，流畅度与创意细节把控到位。但面对 Opus 5.5 仅靠单个 Python 文件实现的黑洞模拟——包含引力透镜与吸积盘结构——Argon 在 SVG 领域的领先优势已不如以往明显。

有测试者用 Argon 复刻《我的世界》，最终成品包含血条、鹿、洞穴系统、方块破坏与音效，甚至自带背景音乐。但生成过程耗时约一小时，其中 20 分钟用于命令行跑通代码，前后迭代三次，UI 精致度不及原版仿制版本。

三、竞品动态：Fable 5.5、GPT-6.1 Astra 与 Nano Banana 3 Pro

Anthropic 的 Fable 5.5 已现身 Azure 美东区模型目录，状态显示为正式可用，可能本周就会登场。OpenAI 方面，据知名爆料人 Leo 透露，GPT-6.1 Astra 已在内部系统中被挖出记录，计划在 28 天连发活动期间推出。

谷歌这边，据传正在筹备 Nano Banana 3 Pro，很可能由 Gemini 4 架构驱动，内部代号 GemPix，预计在 11 月至 12 月之间发布。图像生成领域竞争激烈，画质、文字渲染与一致性将是关键看点。

四、AI 自我复制研究：小型模型或年底具备自主复制能力

Anthropic 最新博文探讨了 AI 模型能否在脱离数据中心的情况下实现自我复制，结果相当炸裂。一个体量较小的 90 亿参数模型成功搭建了 AI 推理环境，在测试的 9 类硬件设备中搞定了 8 类。Anthropic 甚至让一个 260 亿参数模型分布式运行在 15 台廉价安卓电视盒子上。

更关键的是，JLM5.2 成功完成了端到端的自我复制实验，实验在模拟网络中进行，研究人员有意降低了防御门槛。Anthropic 认为，较小的模型到今年底就可能具备这种能力。这对网络安全的影响无疑是巨大的——AI 智能体不仅能适应陌生环境、执行复杂任务，还可能具备自我复制与传播的潜力。这不应被单纯视为博眼球的研究，而是必须密切关注并实施必要管控的领域。

五、综合评价：实力强劲，但可靠性仍存疑

Gemini 4 Argon 在视觉编程、3D 生成及多模态理解方面表现出色，结合定价区间，完全可以融入各种工作流。输入端每百万 Token 仅需 2.85 美元，输出端每百万 Token 10 美元，拥有 100 万 Token 上下文窗口。

但惊艳的演示案例并不代表实际任务中的稳定性。不少上手实测显示，Argon 在执行现实任务时频频出错，回答中仍存在幻觉，这也是早期 Gemini 模型常有的老毛病。它还不是最强模型，长流程任务与事实准确性方面仍需更多验证。

整体而言，Gemini 4 Argon 是一次强势回归，尤其在多模态与视觉编程领域。但谷歌要想真正夺回王座，还需在可靠性与事实准确性上持续打磨。

背景补充

AI 自我复制在学术语境中通常指模型或智能体在无需人类逐步骤干预的情况下，复制自身代码、权重或运行环境，并在新硬件上启动可运行实例的过程。Anthropic 实验中“搭建推理环境”是关键前置条件：模型需要识别目标硬件的算力、内存与操作系统，自动安装依赖、编译推理框架并加载量化后的权重。90 亿参数模型能在 9 类硬件中的 8 类完成这一流程，意味着自我复制不再是大模型的专属能力。而分布式运行在廉价安卓电视盒子上，则展示了用低功耗、非数据中心设备组网承载模型推理的可行性。需要强调的是，实验在模拟网络中进行且刻意降低了防御门槛，因此结论应理解为“能力上限的探索”，而非“现实攻击已可复现”。