Gemini 4 Pro疑似匿名上线，基准测试压制GPT-6与Claude
nashnova research
一款疑似谷歌下一代旗舰模型Gemini 4 Pro的匿名模型悄然现身AI竞技场，多项基准测试全面领先GPT-6 Astra和Claude Fable 5.1——若数据属实，谷歌将在沉寂半年后重夺大模型性能榜首。
这个"匿名模型"是怎么被发现的？
大模型竞技场Arena近日出现一款叫"gemini-3.8-flash"的模型，但同名的Gemini 3.8 Flash早在9月初就已正式发布。
这意味着→ 同一个名字再次出现极不正常，多位开发者实测后判断：这很可能是Gemini 4 Pro的早期检查点（训练过程中某个阶段的快照版本）在"借壳"测试。
用大白话说＝ 谷歌大概率在用旧名字偷偷跑新模型，不想提前曝光。
跑分到底有多强？
智能体编码任务DeepSWE v1.1得分88%，比GPT-6 Astra高约2个百分点。
真实知识工作任务GDPval-AA v2拿到2064 Elo，是三款模型中唯一达到该分值的。
终端编码能力Terminal-bench 2.1得分95.3%，计算机操作能力OSWorld-2.0得分86.8%——编码和操作两项都处于顶级水平。
上述数据尚未经谷歌官方确认，目前仅来自开发者自行测试。
定价和技术规格透露了什么？
据AI研究员进入后端披露：支持1000万Token输入、25.6万Token输出，具备永久跨会话记忆（对话关掉再开，模型还记得之前聊过什么），且无需调API即可联网。
每百万Token输入2.25美元，输出11.25美元，据报道低于Astra和Fable 5.1。
这意味着→ 性能领先的同时价格还更低，如果属实，谷歌在"性价比"维度也在抢位。
"递归自我改进"是什么意思？
市场流传的说法是：Gemini 4 Pro之所以提前完成训练，是因为谷歌DeepMind在训练过程中实现了RSI闭环——递归自我改进（Recursive Self-Improvement，即模型在训练中不断优化自己的训练策略，形成正向循环）。
谷歌DeepMind首席战略官贾斯吉特·塞克洪此前公开表示，RSI已成为AI巨额投资逻辑的关键一环；谷歌同期还公开了一项名为Dream-RSI的研究。
用大白话说＝ 普通AI靠人类喂数据变聪明，RSI的意思是模型自己教自己、越跑越快——这也是为什么Gemini 4 Pro可能比预期更早出现。
对谷歌的竞争格局意味着什么？
谷歌上一个旗舰版本Gemini 3.1 Pro发布于今年2月，距今已超过半年；原定6月上线的Gemini 3.5 Pro因性能不及Flash而被取消。
这意味着→ 谷歌在旗舰模型层面已经沉寂了两个产品周期，市场一度认为它在OpenAI和Anthropic面前掉队。
若Gemini 4 Pro的基准数据最终被验证，它将是谷歌时隔多月后重新确立旗舰竞争力的关键节点——从"追赶者"变回"领先者"的叙事转折。
市场有风险，内容仅供研究参考，不构成投资建议。