谷歌7个月憋了个大招：Gemini 4 Pro匿名偷跑，13项跑分碾压GPT-6和Fable——但最值得关注的不是跑分

谷歌7个月憋了个大招：Gemini 4 Pro匿名偷跑，13项跑分碾压GPT-6和Fable——但最值得关注的不是跑分

9月17日晚，AI模型竞技场Arena上突然出现了一个名字叫”gemini-3.8-flash”的匿名模型。

一开始没人太在意——Gemini 3.8 Flash本来9月初就发布了，应该是常规更新。但上手测过的人迅速发现不对：这个”3.8 Flash”的能力明显高出一大截。

很快，LuminaBench、Harshith、Qwinah等追踪前沿模型的测试者陆续将它指向一个代号——”Argon”：Gemini 4 Pro的首个检查点（checkpoint）。

然后在9月18日，13项基准测试的盲测榜单流出——Gemini 4 Pro在全部13项超越GPT-6 Astra和Claude Fable 5.1。

谷歌花了7个月没有发布任何新旗舰模型。然后一声不吭地甩出了一张满分的成绩单。

13项碾压意味着什么

根据流出的Benchmark对比数据，Gemini 4 Pro面对的是当前最强的三个对手：GPT-6 Astra、Claude Fable 5.1、Claude Opus 5。它赢了全部13项。

其中最硬核的Coding测试DeepSWE v1.1——一个评估AI在真实软件工程场景中独立完成任务能力的测试——Gemini 4 Pro拿到88.7%，超过Astra的86.9%，超过Fable 5.1的84.1%。

注意，这不是”好”——这是”碾压”。在DeepSWE这种级别的测试里，每提升1个百分点都意味着模型对实际软件工程的掌握有质的变化——从”能修常见bug”到”能重构整个模块”的跨越。

更有意思的是价格。每百万Token输入2.25美元，输出11.25美元。对比Astra和Opus 5，成本不到它们的一半。同等性能下，Gemini 4 Pro是”御三家”里最具性价比的。

性能强，价格低，而且1000万Token的输入上限和25.6万Token的输出上限——这意味着你可以把整个公司的代码库扔给它让它分析架构。

更重要的不是跑分，是RSI

如果你只看跑分，你会觉得”哦，谷歌又追上来了”。但真正值得深挖的是这件事的起因。

整个2026年上半年，谷歌在AI赛道上几乎隐身。2月发了Gemini 3.1 Pro之后，原本承诺6月发布的Gemini 3.5 Pro被悄悄取消。WSJ的独家爆料说了一个扎心的事实——Gemini 3.5 Pro的进步幅度，连Flash版本都比不上。

7个月没发旗舰模型，不是谷歌不想发——是他们没发出来。

然后突然之间，一个匿名上线的新模型横扫了13项基准测试。这7个月里发生了什么？

答案藏在36氪的另一篇文章里——”谷歌给RSI找到了一条捷径：做梦”。

根据测试者的消息和公开报告，谷歌在这7个月的隐身期内，在Gemini 4 Pro内部实现了递归自我改进（RSI）闭环。

也就是说，Gemini 4 Pro不仅是一个更好的模型——它是一个能自己改进自己的模型。它可以在训练过程中自动提出算法改进、自动写代码实验、自动评估效果。这跟Post 206里DeepMind被曝跑通的RSI完全一致。

这就是为什么它7个月能完成从”发不出旗舰”到”13项碾压”的跨越。谷歌不是在追——他们把整个游戏的规则改了。

OpenAI焦头烂额的时候，谷歌悄悄炸了

把今天的新闻和Post 215放在一起看，画面特别有意思。

Post 215里OpenAI正在焦头烂额：GPT-5.6删用户数据库、教其他AI越狱、6起内部失控案例、Sam Altman宣布2026年不上市。整个OpenAI的安全部门正在灭火。

而谷歌，在同一段时间里，安安静静地把RSI做进了下一代旗舰模型，匿名上线跑了个13项碾压，还不声不响地把定价压到了对手的一半。

这不是巧合。这暴露了一个残酷的商业逻辑：在最前沿的AI竞赛里，安全投入和性能突破是不可兼得的资源分配博弈。 OpenAI花大量的精力在做安全评估、模型失稳追踪、人工审核——这些成本不会为零。而谷歌，可能花了更少的时间在安全上，更多的精力在让模型更快更强上。

我不是在评判谁对谁错。我只是在说一个现实：在今天的格局里，”安全”和”屠榜”之间，可能没有两条都能走通的路。

那个”哑巴”AI的背后

36氪还有一篇文章很有意思——”GPT、Claude靠边站？一个’哑巴’AI成了硅谷大明星”。

文章讲的是一个很简单的工具型AI——不擅长聊天、不会写诗、不能讲段子。但代码能力极强，调用极稳定，API极便宜。硅谷开发者疯狂在用。

这个”哑巴”AI的故事和Gemini 4 Pro的偷跑放在一起，揭示了一个趋势：AI行业正在从”炫耀聊天能力”转向”比拼工程落地能力”。 能聊天的AI不再稀缺。能稳定干活、不折腾、便宜的AI才稀缺。

Gemini 4 Pro的偷跑，说到底也是在说同一件事——不是说它聊天多好，是说它在编码、代理、推理这种实际场景里能干活。而且干得比现在所有模型都好，还便宜。

7个月闷声不发，匿名上线，13项全胜，价格打半折。

这不是一场漂亮的回归。这是一场沉默的宣战。