大模型竞技场Arena近日悄然上线一款名为gemini-3.8-flash的匿名模型，引发开发者社区广泛讨论。多位上手实测的开发者认为，这极有可能是谷歌DeepMind的下一代旗舰模型Gemini 4 Pro，而非同名旧版Flash。值得注意的是，Gemini 3.8 Flash早在9月初就已发布，同名模型再次出现并不寻常。
从流传于网络的基准测试图来看，该模型在多项任务中表现突出。在AI智能体编码任务DeepSWE v1.1上，它拿下88%的分数，比Astra高出近2个百分点；在真实知识工作任务GDPval-AA v2中，它是唯一获得2064 Elo的模型；终端编码能力测试Terminal-bench 2.1中得分95.3%；计算机使用能力测试OSWorld-2.0中则斩获86.8%，均领先于Astra和Fable。若这些分数属实，Gemini 4 Pro在编码、智能体与推理等维度上已实现对竞品的全面压制。
定价方面，该模型每百万Token输入价格为2.25美元，输出价格为11.25美元，在所谓「御三家」中据称最具性价比。有AI研究员进入后端后发现，该模型支持1000万输入上限、25.6万输出上限，具备永久跨会话记忆，且无需API即可联网。
比跑分更受关注的是开发者的实测反馈。开发者Bee表示，该模型在14分钟内便搭建出一个以素描、铅笔与石墨质感为主题的创意展示网页，滚动时线条逐渐加深的交互效果流畅自然。另有测试显示，它能生成兼具赛博朋克与复古未来主义风格的工作网站，首屏整合了3D网格、数据仪表盘与可交互3D模型。在经典的「鹈鹕骑自行车」SVG测试中，其输出包含配色、日夜切换、车灯、解剖标注与踏频控制，完成度被认为不输顶尖模型。开发者Pankaj Kumar总结称，该模型速度很快，SVG与3D生成明显进步，一次提示即可较准确理解复杂要求。此外，它还能直接生成带完整交互逻辑的小游戏，例如「我的世界」风格页面与3D卡丁车竞速游戏。
这一系列表现背后，谷歌DeepMind对RSI（递归自我改进）的押注值得关注。上个月，Google DeepMind首席战略官Jasjeet Sekhon在伯克利的一场活动上表示，RSI已成为AI巨额投资逻辑中的关键一环。近期网络流传更激进的说法称，Gemini 4之所以提前完成预训练，正是因为DeepMind在训练中实现了RSI闭环。14日，谷歌一项名为Dream-RSI的研究公开，研究方向是让Agent在探索过程中不断改进自身搜索策略，从经验中升级下一轮探索。可以确认的是，DeepMind已公开将RSI置于非常重要的位置，AI参与改进AI的迹象也在增多。
回顾时间线，谷歌上一个大版本更新Gemini 3.1 Pro已是7个月前（2月19日）的事。谷歌I/O大会上，劈柴曾预告Gemini 3.5 Pro将在6月上线，但该发布一再推迟，最终据WSJ本月初独家爆料被取消，原因是3.5 Pro的进化程度连Flash都比不上。好在Gemini 4在预训练中评估优秀，后训练仍在顺利推进。
当前竞争格局已彻底改变。OpenAI有Astra，Anthropic有Fable 5.1，两大巨头已将竞争从单纯聊天扩展到长任务、Agent、代码、推理乃至自主科研。谷歌若只做出一个「比Gemini 3.8更强」的模型已不够，Gemini 4 Pro需要重新证明Gemini仍处于最前沿。对于市值高达4.23万亿美元的谷歌而言，保持AI实力在第一梯队至关重要。