Gemini 4 跑分登顶却被叫美版豆包：答案头头是道，活还得自己检查

12 份配置，每一份都通过了静态检查，可真部署起来，没有一份能启动。

这是谷歌新旗舰模型 Gemini 4 Argon 的一个实测现场，10 月中旬它刚向全球付费会员开放。测试的人把同一道题发给几家当下的顶级模型，部署一个以非 root 身份运行的 nginx 服务。Claude Opus 5.5 和 GPT-6.1 Sol 各跑三次，三次全成。Argon 按默认和低、中、高四档各生成三次，12 份配置全部卡在同一个地方，缓存目录没有写权限。把报错日志喂回去，它三次都能修好，但有两次顺手改掉了要求里明明写好的镜像和端口。

跑分不是这么说的。Argon 眼下在 Arena 文本总榜暂列第一，按谷歌标称，它在编程、金融、法律、网络安全这些基准上全面压过 GPT-6 Astra 和 Claude Opus 5.5。一个榜单登顶的模型，实测交出开头那份成绩，难怪社区给它起了个外号，美版豆包。答案是头头是道，真把活交过去，还得自己收尾。

这个模型眼下跟免费用户没关系。谷歌 AI Pro 和 Ultra 会员能在 Gemini 应用和搜索的 AI 模式里选到它，靠学生优惠白拿一年 Pro 的也算。免费账号和每月 4.99 美元的 AI Plus 会员暂时用不上，谷歌的解释是 Argon「大模型味」太重，没法大规模供应，面向普通人的 Gemini 4 版本还在路上。例外是搜索里的 AI 模式，没有会员的账号目前也能在输入框里选到 Argon，这个口子开多久，没人知道。

开放的过程还带着一段波折。上线头一天，写代码的 Antigravity 平台只对 Ultra 会员开放，Pro 会员能聊天不能干活，有位会员的抱怨得到了不少呼应，可以限制我们的用量，但别把我们挡在门外。谷歌两天后向 Pro 会员开放了 Antigravity，试用订阅不算，隔天又开放了 AI Studio。对已经掏了钱的人，这算个好消息，Argon 有一份单独的每周额度，不吃 Gemini 3.8 Flash 那些老模型的份额。

钱的事上，这次发布有个实打实的诱人之处。API 尝鲜价每百万输入 token 2 美元、输出 10 美元，差不多是 OpenAI 和 Anthropic 前沿模型的五分之一。但这份账里有两行小字。尝鲜价只到 11 月 30 日，12 月 1 日起直接翻倍成 4 美元和 20 美元，现在按它选型的，长期账要按翻倍后的价格算。另外，计费的输出不只是你看到的回答，模型中间「思考」的部分同样按输出收钱。有测评者算过一笔账，一次请求里可见回答 2000 个 token，思考烧掉 18000 个，账单按 2 万个输出计，只盯着答案字数做预算，会漏掉九成的输出量。

对完全不用谷歌的人来说，这事也不是没关系。榜单第一的模型把自己定成五分之一的价格，压力给到了 OpenAI 和 Anthropic 那边，它们跟着降，你我用上的 AI 就跟着便宜。

回到好不好用这件事，夸和骂都有实据。

夸的部分是这样的。一场转化率分析测试里，看板显示总转化率从 29% 掉到 26%，建议回滚改版。Argon 把新老访客拆开，发现两边其实各涨了 5 个百分点，总数下降是访客构成变了，还提醒一句，非随机的前后对比证明不了因果。这种分析放到真实生意里，能拦下一次错误决定。商品文案实测里，它写普通商品描述的达标率跟贵出一截的 Opus 5.5 打平，花的钱还更少。

骂的部分是这样的。同一场文案测试，要求从普通描述稍微挪到促销写法，它的可发布率就从 60.7% 掉到 17.9%，每轮没有依据的承诺从 23 条上下涨到 111 条。另一场测试里，它把八条发布文件逐项核对全对，最后写摘要时却自己添了一句「170 个工作区尚未上线」，材料里根本没有这个结论。有位中文测评者说，他用它干了不到十个任务，5 小时额度见了底，周额度烧掉 27%。

那跑分登顶是假的吗。不是。错的是把榜单当成品的用法。榜单考的是「一次回答」，你要的是「一件做完的活」，从回答到活，中间隔着重试、修改和人工检查三道工序，这三道工序里的返工，哪个榜都不计。12 份配置全灭，灭就灭在最后一寸，代码每行都「看着对」，一碰真实环境就趴窝。

这么看，美版豆包这个外号其实有点冤。能拿豆包来类比，说明大家在别的模型上遇到过同款处境，考试越来越强，交付还是要人验收。这是眼下整个行业的现状，不是谷歌一家的家务事。

已经想上手的人，我的建议是额度照用，主力别换。先拿一件你已经知道合格答案的活让它干一遍。写代码的，给它一个带明确运行约束的小任务，真的把服务启起来、测试跑一遍，看它会不会为了通过偷偷改掉需求。写文案的，给它一份固定的商品资料，成稿后逐句检查每个承诺能不能在资料里找到依据。整理报告的，把事实核对和最终成稿分成两次验收，前面那场测试就是八项全对，错藏在最后一段摘要里。测完记四个数，首次干没干对、补了几轮提示、人工检查花了多久、总共花了多少钱。这四个数比任何榜单都更接近你的日常账单。

没订阅的，别为它去买来路不明的账号。第三方渠道的低价活动号已经有人在 Antigravity 里遇到 Unavailable，试用类订阅本来就不在支持之列。到期谁来续费、账号密码在谁手里，这些问题卖家一句「权益和正常付费一样」回答不了。谷歌 AI Pro 美区一个月不到 20 美元，这笔钱等你测出它真能干成你的活，再掏不迟。

回到开头那 12 份配置。发现问题靠的不是更聪明的模型，是一个真的把服务部署进集群、逐行读报错日志的人。

榜单上没有这道工序。你的活里有。