Gemini 4 Pro 上市前疑似洩露測試成績

#benchmarks#agent-security#model-competitiongemini-4-progemini 4 proopenaiclaude opus 5anthropichacktron ai

Gemini 未驗證的基準分數，伴隨 AI 輔助攻擊與代理權限過大的真實警示。

30 秒速覽

有什麼變化

一張洩露圖片疑似顯示 Gemini 4 Pro 在多項代理基準測試中領先

為什麼重要

若獲得驗證，這些基準測試結果可能加劇前沿模型供應商之間的競爭。安全事件也顯示，AI 輔助漏洞利用與權限過大的企業帳戶，可能放大單一入侵事件的影響。

下一步行動

不要直接採信洩露的 Gemini 分數；請在自有測試框架中評估候選模型，並稽核 AI 代理對 GitHub、Slack 與雲端服務的權限。

誰應關注：Developers & AI Engineers

關鍵數字88%95.3%86.8%1,000 萬

背景與延伸：來自公開資料，非原文內容。引用 9 個來源。

•該神秘測試模型在競技場（Arena）以「gemini-3.8-flash」化名進行隱蔽測試，但因 Google 已於 2026 年 9 月 2 日正式發布過 Gemini 3.8 Flash，開發者對比異常優異的表現後推斷其為內部代號「Argon」的 Gemini 4 Pro。
•流出的基準測試數據顯示該模型在代理編碼基準 DeepSWE v1.1 達到約 88%，並在終端操作 Terminal-bench 2.1 達 95.3%、OSWorld-2.0 電腦操作任務達 86.8%，以及知識工作評估 GDPval-AA v2 取得 2,064 Elo。
•規格表顯示其支援高達 1,000 萬（10M）Tokens 的輸入上限、25.6 萬（256K）Tokens 的輸出上限，並具備跨工作階段的持久記憶（Persistent Memory）能力。
•外洩的 API 定價策略為每百萬輸入 Tokens 2.25 美元、每百萬輸出 Tokens 11.25 美元，定價明顯低於同級前沿旗艦競品。
•歷史脈絡指出 Google 在 7 個月前發布 Gemini 3.1 Pro 後，原定於年中推出的 Gemini 3.5 Pro 因世代升級幅度邊際遞減而遭取消，Google 遂將全部資源轉向由遞迴自我改進（RSI）架構催生的 Gemini 4 系列。

Gemini 4 Pro (洩露數據)

GPT-6 Astra

Claude Fable 5.1

模型名稱	開發商	輸入定價 (每百萬 Tokens)	輸出定價 (每百萬 Tokens)	主要基準表現 (DeepSWE v1.1)
Gemini 4 Pro (洩露數據)	Google DeepMind	$2.25	$11.25	~88%
GPT-6 Astra	OpenAI	尚未流出明確價格	尚未流出明確價格	比 Gemini 4 Pro 低約 2 個百分點 (~86%)
Claude Fable 5.1	Anthropic	尚未流出明確價格	尚未流出明確價格	未詳細公開

內部研發代號：測試檢驗點代號為「Argon」。
架構突破技術：傳聞底層能力躍升核心來自 Google DeepMind 在「遞迴自我改進」（Recursive Self-Improvement, RSI）技術的落地突破。
上下文視窗與記憶限制：輸入 context window 支援最高 10,000,000（10M）Tokens，單次輸出限制提升至 256,000（256K）Tokens，並導入跨 session 的持久記憶機制。
前端與多模態渲染能力：社群實測該 checkpoint 展現單次 Prompt 即可在 14 分鐘內生成完整可互動的繪圖 UI 網站，並支援動態 Three.js 3D 儀表板及複雜 SVG 即時渲染。
代理操作基準測試：Terminal-bench 2.1 成績達 95.3%，OSWorld-2.0 電腦操作套件達 86.8%，GDPval-AA v2 真實世界知識工作評分達 2,064 Elo。

前沿模型 API 價格戰將進一步下探

若 Gemini 4 Pro 最終以每百萬輸入 Tokens 2.25 美元的定價上市，將迫使 OpenAI 與 Anthropic 等競品在前沿模型定價上大幅調整以維持競爭力。

「AI 撞牆/減速論」將被實質打破

在市場擔憂 AI 進步面臨邊際遞減之際，由 RSI 推動的高難度代理任務（如 DeepSWE 及 OSWorld）得分跳躍，將證實新架構路線能持續維持模型能力的擴展步伐。

2026-02

Google 發布前一代旗艦模型 Gemini 3.1 Pro

2026-05

Sundar Pichai 於 Google I/O 預告 Gemini 3.5 Pro 將於年中推出

2026-07

因代際提升幅度未達預期，Google 決定取消 Gemini 3.5 Pro 並全力轉向 Gemini 4

2026-09

Google 正式發布 Gemini 3.8 Flash；隨後 Arena 出現同名但能力大幅超越的「Argon」測試檢驗點，引發 Gemini 4 Pro 洩露關注

2026-02
Google 發布前一代旗艦模型 Gemini 3.1 Pro
2026-05
Sundar Pichai 於 Google I/O 預告 Gemini 3.5 Pro 將於年中推出
2026-07
因代際提升幅度未達預期，Google 決定取消 Gemini 3.5 Pro 並全力轉向 Gemini 4
2026-09
Google 正式發布 Gemini 3.8 Flash；隨後 Arena 出現同名但能力大幅超越的「Argon」測試檢驗點，引發 Gemini 4 Pro 洩露關注