Gemini 4 Pro疑似泄露：多项跑分曝光，谷歌这次要放大招？

Gemini 4 Pro疑似泄露：基准和实测同时曝光，真的要挑战Astra和Fable了？

一张最近疯传的基准测试图，把AI圈的注意力再次拉到了谷歌身上。

图中疑似还未正式发布的 **Gemini 4 Pro**，在编码、Agent、电脑操作等测试中拿到了非常亮眼的成绩，甚至超过了GPT-6 Astra和Claude Fable 5.1。

不过先别急着宣布“谷歌王者归来”。

目前这份成绩单没有Google官方背书，测试环境、Harness版本、Prompt以及采样参数也没有完整公开。因此，这些数字更准确的说法应该是**“网传成绩”**，而不是已经确认的官方跑分.

Gemini 4 Pro到底有多强？

目前流传最广的一版基准表显示，Gemini 4 Pro在多个Agent和编码相关项目中都拿到了非常靠前的成绩。

需要特别强调，这些数字目前都属于泄露表中的数据，并未经过Google官方确认，也缺少完整的可复现测试条件。

如果最终能够复现，那么最值得关注的并不是某一项多了几个百分点，而是Gemini 4 Pro似乎把重点放在了长链路Agent任务上。

编码Agent成了重点

DeepSWE主要考察模型解决真实软件工程任务的能力，需要模型持续阅读代码、修改代码、运行测试，再根据结果继续调整。

网传成绩中，Gemini 4 Pro达到88.7%，GPT-6 Astra为86.9%。

两者差距只有1.8个百分点，因此单看这个数字，并不能简单理解成“全面碾压”。

但如果Gemini 4 Pro最终能够在不同测试环境下稳定达到这一水平，意义还是比较大的——因为这类任务考验的已经不是单纯写几段代码，而是模型能不能长时间维持任务状态并不断纠错。

OSWorld：真正考验电脑操作能力

另一个值得关注的是OSWorld-2.0。

这类测试不是让模型回答一道题，而是把AI放进真实电脑环境，让它自己操作软件、点击界面并完成连续任务。

网传数据中，Gemini 4 Pro为86.8%，Astra为84.5%，Fable 5.1为77.9%。

如果这个成绩最终得到验证，那么它说明Gemini 4 Pro的提升可能并不只是传统Benchmark上的“刷分”，而是开始向真正的Computer Use和Agent工作流延伸。

更有意思的是：开发者已经开始实测

除了跑分之外，近期社区还出现了疑似Gemini 4 Pro的匿名模型测试。

有开发者发现Arena中出现了一个名为 **gemini-3.8-flash** 的模型，而这个名字与此前公开版本存在异常，引发了“谷歌正在用Flash马甲测试下一代模型”的猜测。

但目前官方并没有确认这个匿名模型就是Gemini 4 Pro，因此这部分仍然属于社区推测。

与此同时，开发者还展示了一批3D网页、SVG以及交互式应用生成案例。

其中比较有意思的是3D产品展示：模型不仅能够生成基本的3D物体，还可以进一步加入旋转展示、组件拆解、参数信息以及交互动画。

这类Demo真正值得看的地方，不是“画面有多漂亮”，而是模型能不能把**代码、3D结构、交互逻辑和页面UI**一次性串起来。

现在还不能直接宣布“Gemini 4 Pro碾压一切”

这也是这波消息最需要冷静看待的地方。

目前关于Gemini 4 Pro的很多关键信息——包括模型身份、完整Benchmark配置、价格以及部分技术规格——都还没有得到Google正式确认。

尤其是Benchmark，缺少Harness版本、Prompt模板、采样参数和测试环境时，不同结果之间并不能简单横向比较。

所以现在更准确的结论应该是：

如果这张泄露成绩单最终被验证，Gemini 4 Pro确实可能成为谷歌今年最值得关注的一张牌；但在官方发布和第三方复现之前，“全面碾压Astra和Fable”仍然只能算是对泄露数据的推演，而不是已经坐实的结论。

目前最值得盯的，反而是Google什么时候正式亮出Gemini 4 Pro，以及这些网传成绩最终能不能被独立复现。