非法加冯

Google Gemini: 北美大豆包翻身了

过去很长一段时间里,Gemini 在国内有个很损的外号,叫“北美大豆包”。意思很直白:平时陪聊态度好,多模态花样多,但只要一碰硬核推理和写代码这种真刀真枪的活儿,表现基本就是个笑话。

在那段日子里,外界对它的评价相当不留情面。圈子里流传过一段轶事:当时有人公开嘲讽 “DeepMind 已经不是一家前沿实验室了”,DeepMind 内部把这句话打印在一张纸上,端端正正贴在自己的工位桌前,每天抬头看一眼用来提醒和激励自己。

Image

大公司转身确实慢,但一旦把内部的路子理顺了,家底厚的威力就慢慢显出来了。后来整个团队算是彻底把方向整明白了,结果大家最近也看到了,直接起飞。就连中转站,现在都开始有蒸馏 Gemini 的单子了。

从昔日三头龙梗图里的呆萌“北美大豆包”,到如今 Gemini 4 真龙归位

看最近这一代模型的代号,Google 几乎是把元素周期表搬了出来,尤其偏爱稀有气体。

网友在 X 上玩梗元素周期表选模型,被 Google AI Studio 负责人引用并直接做进了线上选模界面

前阵子的 Argon,老冯日常高强度用下来就已经觉得相当不错,底子明显稳了很多。等到最近密集端出 Carbon、Neon、Hydrogen,再加上水底下已经泄露出来的 Krypton(氪,同样是稀有气体元素)以及其他几个待发的新模型,整条产品线的成色已经完全今非昔比。

Gemini 4 元素家族谱系演进:从 Argon 全新稀疏 MoE 基座,到 Carbon 重型强化学习后训练,再分化出 Neon 与 Hydrogen 双主力

正面硬刚 Claude:智商拉齐,重算经济账

尤其是到了 Carbon 和 Neon 这两代,老冯实际干活用下来的感受就是已经非常牛逼了。单看 Neon 和 Carbon 现在的表现,很明显已经达到了 Opus 5.5 Max 的水平;如果非要跟 Fable 5.2 比,可能还差一点点,但在实际工程任务里基本感知不太出来了。

Artificial Analysis 智能指数(v5.0.1)与单任务成本帕累托前沿对比:Gemini 4 Neon、Carbon 与 Claude Fable 5.2、Opus 5.5

到了这个身位,Google 的战略意图其实已经摆在明面上了——这就是奔着正面干翻 Claude 去的。毕竟两边的绝对智力已经拉到了同一条水平线上,可一旦回过头来算经济账,Google 的性价比明显要好出一大截。

Artificial Analysis Coding Agent Index(v2.1):Gemini 4 Neon 以 59 分登顶第一,力压 Claude Fable 5.2 与 Opus 5.5

更难得的是,一向带点工程师傲慢的 Google,最近在商业运营上也终于开窍了。今天正好赶上黑色星期五,Google 顺势放出了打折优惠活动,AI Pro 3 个月只要 90¥,跟白送的一样,而且是不那种钻空子野路子;

Image

而且老冯留意到,最近它的额度重置(Reset)开始变得频繁起来。老冯一直觉得,做 AI 产品的营销没必要搞太多弯弯绕绕,朴实无华地让利,实打实给大家好处,用户占到了便宜、用得舒心,自然就会开开心心搬过来。比如今天后台刚刚调整了 limit cache,按经验判断,这大概率又是准备开启新一轮疯狂 reset 的前兆,还是相当值得期待的。

订阅账单最诚实:洗牌后的 3-3-3 阵型

嘴上夸得再多也是虚的,手里的订阅账单最诚实。

在此之前,老冯手头的 AI 账号配比[8]非常悬殊:10 个 Codex 账号、3 个 Claude 账号,外加 1 个 Gemini、1 个 GLM 和 1 个 Grok。那时候留着唯一的那个 Gemini 账号,基本只是当个备胎和观察哨。

而在高强度测完这一代新模型之后,老冯把整套主力生产力重新做了一次洗牌和裁剪,现在的部署结构如下:

•3 个 Codex(500 刀档)•3 个 Claude Ultra(200 刀档)•3 个 Gemini AI Ultra(200 刀档)

老冯主力 AI 生产力席位洗牌:从 10-3-1 悬殊配比收敛为三台工作站对称的 3-3-3 阵型

整整齐齐的 3-3-3 阵型,正好分配在老冯日常干活的三台主力电脑上,每台机器各配一套。

槽点与体面:Antigravity 与御三家众生相

当然,一码归一码,模型争气了,工具槽点还是很大的。Google 自家搞的那个 Antigravity,打开还是让人忍不住叹气。

不客气地说,Google 这个 Harness 做得真的是一坨屎。都什么时候了,哪怕随便找个人用 Vibe Coding 糊一套界面出来,都不应该做出这么丑的东西。大厂在底层模型智力和表层工具审美之间的割裂感,有时候真是让人感到匪夷所思。

除了丑之外,它对反代(反向代理)也极其不友好。如果你拿 Antigravity 去挂反代,比如放到 Magpie 里,很容易触发风控直接封号。

这里老冯顺带给各位提个醒:如果是你自己的 Google 主力账号,千万不要干这种事;真有折腾反代的需求,老老实实单开几个小号去跑,犯不着拿绑定了一堆资产的大号去试探风控底线。我已经看到好几个玩炸了的。

回想几年前,OpenAI 和 Anthropic 这些所谓的前沿实验室刚冒头的时候,最爱讲的叙事是:Google 这种大公司科技巨头一旦掌握了垄断级的 AI 技术必然会作恶,所以必须由他们这些有理想的创新公司站出来,让 AI 普及到普通人手中。这才过去没几年,回看当初的口号,多少有点冷幽默的意思。

OpenAI 目前来看还算相对正常;而 Anthropic 现在呈现出来的气质,实在让人有些不适——看看前天他们上市敲钟现场流出来的那些画面,简直就是一群 “伪人” 组成的恐怖电影。嘴上把安全与人类福祉念得比谁都响,背地里搞起封号、设卡、小圈子排他那套动作来,比谁都狠。

Image

两相对比之下,反倒是当年被当作靶子的老牌巨头 Google,起码以前好歹在明面上奉行过 “Don’t be evil(不作恶)” 的理念。落实到日常干活的细节上,只要你不去硬碰反代那种明确的风控红线,它基本不搞无差别封号那套破事;在付钱这件最朴素的事情上,它对国内的账户和银行卡也一直比较宽容。花钱买个生产力工具,能让人体体面面把钱付出去、安安稳稳把活干完,在今天这个环境里,已经算是相当难得的体面了。

双商在线:一点幻觉,十分灵气

最后再客观盘一盘这一代 Gemini 的脾气秉性。它目前最讨喜的地方在于双商在线——逻辑智商追上了第一梯队,同时对话时的分寸感和理解力依然很好,能听懂弦外之音,没有那种好为人师的爹味。也没有 GPT 那种谨小慎微的怂样。

至于短板,它的幻觉率确实还是比另外两家略高那么一点。不过这事得两面看。如果你是在做文艺创作、写文章或者发散构思,高一点的幻觉反倒是个优势——因为幻觉的背面往往就是想象力和创造力,太死板的模型写不出灵气,也提供不了那么充足的情绪价值。

到了写代码这种讲究严丝合缝的场景里,幻觉偏高理论上确实是个隐患。但老冯自己这段时间重度用下来,整体体感是完全 OK 的。道理也不复杂:当一个模型的底层智力在线时,工程上下文的理解与自我纠偏能力也会跟着水涨船高,完全可以把那点小幻觉带来的偏差兜回来。

总而言之,昔日的“北美大豆包”这一仗确实打翻身了。按老冯的标准给个最终评价:这一代 Gemini,完全可以给到夯——实打实的夯爆了。

References

[1] Logan Kilpatrick 直接玩梗接招: https://x.com/OfficialLoganK
[2] Introducing Gemini 4 Neon: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/
[3] DeepMind 官方模型卡: https://deepmind.google/models/model-cards/
[4] AA Intelligence Index: https://artificialanalysis.ai/#artificial-analysis-intelligence-index-chart
[5] 智能指数与单任务成本: https://artificialanalysis.ai/#intelligence-index-vs-cost-per-task-chart
[6] Coding Agent Index: https://artificialanalysis.ai/coding-agents
[7] “重置营销”: http://localhost:1313/ai/reset-codex-claude/
[8] AI 账号配比: http://localhost:1313/ai/sota-fable52-carbon/
[9] LMSYS 的榜单: https://arena.ai/