谷歌正式推出了新一代旗舰模型Gemini 4（代号Argon），这让它与Anthropic旗下的主力模型Claude Opus 5.5展开了直接竞争。从官方公布的数据到各路开发者的多维度实测，Gemini 4与Opus 5.5在多模态理解、代码编写、物理模拟和文本表达等领域的表现各有亮眼之处。
在跑分数据层面，两家模型在不同测试集中互有胜负。官方公布的数据显示，Gemini 4在知识工作综合评测 Vals Index、多步骤金融研究以及长视频理解 LVBench 等多项测试中均领先于 Opus 5.5。特别是在衡量长程软件工程能力的 DeepSWE v1.1 中，Gemini 4 以 77.9% 的成绩超越了 Opus 5.5 的 74.2%。然而在更偏向命令行与终端操作的 Terminal-Bench 4.0 测试中，Gemini 4 得分为 57.4%，落后于 Opus 5.5 的 66.4%。第三方机构 Artificial Analysis 的综合智能指数测评也显示，Opus 5.5 在整体得分上依然略高于 Gemini 4。
视觉与物理引擎模拟是 Gemini 4 这次实测中展现出的突出优势。在多项 3D 渲染和物理仿真测试中，Gemini 4 被评价为具有极强的物理直觉。例如在要求使用代码生成“水上飞机起飞物理模拟”的测试中，Opus 5.5 生成的机身抖动较为剧烈且水面反馈生硬，而 Gemini 4 的加速过程平稳，水面反射与溅水效果的渲染更为真实。此外，在关于“可调粗糙度玻璃钻石”的审美测试中，Gemini 4 在高粗糙度下的灰蒙细节最为到位，而 Opus 5.5 虽能做出结构，但在题目要求的真实感上略差一筹。在 3D 渲染的运行效率上，多位开发者测试表明 Gemini 4 的生成速度和实际耗费成本均明显低于 Opus 5.5。
在实际编程与工程落地上，两者的手感存在一定差异。Gemini 4 带来了高达 100 万 token 的单次输出上限，能够一次性吐出数十万字的代码或长文，极大减少了复杂任务中途断气的现象。然而不少开发者在真实业务代码的测试中指出，Gemini 4 在复杂工程落地和终端指令处理上，实际体验与跑分存在差距，许多程序员依然认为 Opus 5.5 在真实写代码的综合手感上表现更优。不过也有消息透露，谷歌内部正在密集测试代号为 Carbon 的新版本，其编程能力在内部测试中正被拿来直接对标甚至叫板 Opus 5.5。
在日常写作与语言表达方面，Gemini 4 延续了较自然的语言风格。许多使用者反馈，Gemini 4 的语气和表达习惯让人读起来非常舒服，在长文创作、创意风暴以及理解复杂提示词时，文字质感出色，在相关文本偏好榜单上也获得了高分。
整体来看，Gemini 4 凭借强大的物理推理能力、超长的输出上限以及更高的性价比，在多模态与空间理解等维度对 Opus 5.5 形成了强有力的冲击；而在具体的高难度终端编程和精细工程落地方面，Opus 5.5 依然展现出了极强的竞争力。两款顶尖模型的交锋，也让前沿 AI 在复杂任务上的落地应用加速向前推进。
