谷歌Gemini 4被Claude Opus 5.5碾压：软糖熊物理对比翻车

谷歌刚发布的AI大模型Gemini 4 Argon，宣传片还热乎着，就被网友用一组对比测试送上了"公开处刑"现场。这次的考题不是写代码、不是做数学题，而是让AI生成一只小熊软糖——然后再把它拉伸、压扁、扔出去。

结果，差距一目了然。

同一道题，两种命运

据B站UP主Grace的视频分析，热心网友用相同的prompt，分别让Anthropic的Claude Opus 5.5和谷歌的Gemini 4 Argon生成一只软糖熊，然后对它们做同样的事：拉动爪子、拽住头部、压扁、扔出去，最后把一整袋软糖倒在上面。

Opus的软糖熊表现得像真正的果冻：拉爪子，它会拉成一条细长的橡胶状然后弹回来；压扁一个，它变成煎饼状再弹起来；扔出去，它从地板反弹，还把旁边的同伴推开。

Gemini这边，情况完全不同。

Gemini的软糖熊：实心塑料质感

Gemini生成的软糖熊更像是一块实心塑料。它的手臂可以变成一根棍子，熊可以静止地穿过旁边的熊，末端的堆叠部分还能卡扣在一起——这些行为明显违背了软体物理的基本直觉。

外观上，Opus也更好地还原了软糖的半透明质感，光线可以穿透它们；而Gemini基本没理解"软糖"这个材质的核心特征。

最扎心的可能是成本对比：Opus只花了7.2美元，Gemini花了22美元。更贵的那个，效果反而更差。

视频中提到的"实心塑料"现象，本质上是材质渲染（material rendering） 与次表面散射（subsurface scattering, SSS） 的缺失。真实的软糖是半透明介质，光线进入后会在内部多次散射再射出，形成柔和的通透感与边缘光。渲染这类材质通常需要SSS模型或体积渲染。Gemini输出的软糖熊看起来像不透明塑料，说明它没有正确推断"软糖"这一语义所对应的光学属性——折射率、散射系数、透光率等。相比之下，Opus还原了光线穿透效果，意味着它至少捕捉到了半透明材质的关键视觉特征。这不仅是画质问题，更反映了模型对"材质=光学属性+力学属性"这一联合表征的理解深度差异。

这不只是"软糖"的问题

表面上看，这是一场关于软体物理模拟（soft body physics）的比拼。但它真正暴露的，是大模型在物理直觉理解上的深层差距。

拉伸、弹回、压扁、碰撞——这些在人类看来理所当然的物理行为，对AI来说需要建立对材质属性、力传递、碰撞响应等一系列概念的准确建模。Opus在这方面表现出更强的"理解力"，而Gemini的输出更接近"看起来像软糖的3D模型"，而非"能像软糖一样运动的物体"。

这也引出视频的核心论点：AI到底能不能真正理解物理世界，而不只是生成看起来对的画面？

软体物理模拟（soft body physics） 是计算机图形学与物理引擎中的一类技术，专门用于模拟可变形物体在外力作用下的行为，如凝胶、布料、橡胶、肌肉等。与刚体（rigid body）不同，软体没有固定形状，受力时会发生连续形变，并把力沿内部结构传递出去。主流实现方式包括质点-弹簧模型、有限元方法（FEM）以及基于位置的动力学（PBD）等。在游戏和影视中，软体模拟通常依赖预计算或专用求解器，计算开销远高于刚体。对于生成式AI而言，难点在于不仅要渲染出软糖的外观，还要隐式或显式地建立其材质参数、形变约束和碰撞响应模型——这恰恰是当前大模型最欠缺的物理先验。

不止谷歌一家翻车

视频还提到，就在前一天，Mala发布的Miswander宣言中回归的DT队，同样在类似的set by set演示中惨败。

这说明，物理理解和模拟的短板并非某一家的问题，而是当前大模型在空间推理与物理常识上的普遍挑战。

大模型的成长之路还很长，比拼之路也很长。当参数规模和跑分不再是唯一标准，"能不能真正理解物理世界"或许会成为下一个关键的竞争维度。

空间推理（spatial reasoning） 与物理常识（physical commonsense） 是当前大模型评测中日益受重视的能力维度。传统基准如MMLU、GSM8K侧重语言与数学，而物理直觉测试要求模型预测物体在受力、碰撞、堆叠后的状态，涉及三维空间关系、因果链和连续性约束。已有研究（如Physion、IntPhys等基准）表明，即便是最强多模态模型，在"物体是否会穿透""堆叠是否稳定"这类问题上仍显著低于人类幼儿水平。原因在于，语言模型从文本和图像中习得的是统计相关性，而非可微的物理仿真器。因此，当任务从"生成看起来对的画面"转向"生成行为对的物体"时，短板就会集中暴露。