TLDR: Google 已確認 Gemini 4 為其「迄今最具雄心的預訓練作業」。2026 年 9 月中社群外流消息顯示，內部早期檢查點的 Gemini 4 Pro（代號「argon」）據稱具備 256k 輸出 Token 上限、可能的數百萬 Token 級上下文，以及高強度推理模式。非官方時程聚攏於 2026 年 10 月，先前曾有預訓練延誤傳聞。與 RSI（遞迴自我改進）的關聯仍屬推測。正式發佈前，開發者可透過如 CometAPI 等統一且有折扣的 API，使用當前前沿模型，包括 GPT-6 Astra、Gemini 3.8 Flash 與 Claude Fable 5.1。
重點摘要
- Gemini 4 已在訓練中。 Google 在 2026 年 7 月表示已啟動 Gemini 4 的「迄今最具雄心的預訓練作業」。
- Gemini 4 Pro 尚未正式宣佈。 名稱、模型 ID、定價、API 可用性、上下文視窗與最終規格皆未確認。 外流截圖與社群報告描述一個具 256k 輸出 Token 上限（對比先前約 64k）、高計算強度與可能 150 萬以上上下文目標的 Gemini 4 Pro 檢查點。
- Gemini 4.0 似乎已在 Arena.ai 悄然現身（看起來 Arena 中將 Gemini 3.8 Flash 路由到新的 Gemini Pro）
- 多數可信的非官方目標現指向 2026 年 10 月公開發佈，作為預訓練微調之後的時點。
- 關於 Gemini 4 具強 RSI 的主張仍未驗證；相關研究（Dream-RSI）在不更新權重的情況下改進探索策略。
- 在 Gemini 4 Pro 正式發佈之前，開發者已可透過像 CometAPI 這樣的平台，使用當前前沿模型，包括 Gemini 3.8 Flash、GPT-6 Astra 與 Claude Fable 5.1。
什麼是 Gemini 4 Pro？
Gemini 4 Pro 是 Google DeepMind 下一代 Gemini 的傳聞旗艦「Pro」等級模型。它定位於高複雜度工作：進階程式設計、多步推理、長時程代理任務、多模態理解，以及企業級文件或程式碼庫分析。
有別於 2026 年持續迭代的 3.x Flash 系列，Google 領導層表示，為維持前沿競爭力，Gemini 4 需要明顯更大的基礎模型。Sundar Pichai 在 Alphabet 2026 年第二季財報電話會議上表示：「對於下一代前沿，你需要更大的基礎模型。我們正在訓練 Gemini 4，且我們對它設定非常雄心勃勃的目標。」
「Pro」標示歷來代表對外公開可用的最高能力等級，優先追求品質而非速度或成本，類似先前長期領先於程式設計與推理排行榜的 Gemini Pro 與 2.5 Pro。
我們對 Gemini 4 Pro 的了解（截至 9 月 17 日）
已確認的官方訊號
Google 在 2026 年 7 月公開承認 Gemini 4。於發佈 Gemini 3.6 Flash（與相關 Flash 變體）時，團隊表示他們「已經開始我們迄今最具雄心的預訓練作業，用於 Gemini 4」。Alphabet CEO Sundar Pichai 在第二季財報電話會議上再次強調，為維持前沿需要「更大的基礎模型」，並明確強調程式設計與自主代理為重點。他表達了對內部進展的興奮與對外部使用者在發佈時的滿意度有信心。
目前尚無任何 Gemini 4 或 Gemini 4 Pro 的官方模型卡、參數量、上下文視窗、基準測試、定價或 API 端點。Flash 系列（包含 2026 年 9 月的 Gemini 3.8 Flash 與 3.8 Live 變體）在較大型的 Pro 等級開發持續推進時，仍持續頻繁更新。
外流檢查點與規格
社群報導指出 Google 已產生即將推出之 Pro 模型的早期內部檢查點。one zero-shot peacock svg demo 正在流傳。先前的檢查點是 arena 上的 Argon 160 / Gemini 3.8 Flash。據報細節包含：
- 256k Token 輸出上限（較先前 Gemini 模型約 64k 大幅提升）。
- 在「高」思考強度設定下生成，耗時約 2.4 分鐘。
- 與 Gemini 4 Pro 等級相關，而非另一個 Flash 疊代。
資本支出與 RSI 的關聯
2026 年 8 月初，Google DeepMind 高層 Jasjeet Sekhon（首席策略長）公開表示，產業在 AI 上的大規模資本支出，是對遞迴自我改進（RSI）的押注——即系統能夠改進自身或改進產生下一代模型的流程。他指出，當前營收尚不足以支撐這一規模的投入，而 RSI 正逐漸成為投資論述的核心，同時也承認這尚未達成。
另一方面，Google 研究人員於 2026 年 9 月中發表了 Dream-RSI 論文，展示使用 Gemini 3.x 模型在不更新權重的情況下，透過「做夢」產生替代策略並保留最佳者，以遞迴改進代理的探索策略。此研究相關但不代表 Gemini 4 本身已納入強權重空間的 RSI。
RSI 的框架突顯了 Gemini 4 的戰略規模：Google 正以一個世代躍升的級別投入，而非小幅度升級。
Arena.ai / LM Arena 的提及與路由說法
Arena.ai（前 LMSYS Chatbot Arena / LMArena 的群眾偏好平台）常是 Google 模型早期測試的場所。新的匿名或標記 Gemini 參賽模型常在正式公告前出現，社群也將其視為短期內發佈的訊號。
Gemini 4.0 已「悄然現身」，且有時標記為 Gemini 3.8 Flash 的流量會在 Arena 對戰中被路由到新的 Gemini Pro 檢查點：
- http://Arena.ai 在 9 月 17 日清晨突然上線了一個新變體「gemini-3.8-flash」
- 官方 3.8 Flash 已於 9 月 2 日發佈，同名再次出現極為罕見。
仍未確認的事項
截至 2026 年 9 月 17 日，尚無 Google 權威公告確認：
| Gemini 4 Pro 屬性 | 目前狀態 |
|---|---|
| Gemini 4 訓練 | 已確認 |
| Gemini 4 Pro 名稱 | 未確認 |
| 首個 Pro 檢查點 | 外流/傳聞 |
| 10 月發佈 | 外流/估計 |
| 11–12 月發佈 | 外部估計 |
| 1.5M 上下文 | 未驗證外流 |
| 10M 上下文 | 未驗證主張 |
| 具體基準測試分數 | 未驗證 |
| 與 GPT-6 Astra 的比較 | 未驗證 |
| 與 Claude Fable 5.1 的比較 | 未驗證 |
| RSI 達成情況 | 未驗證 |
| API 模型 ID | 未公布 |
| 官方定價 | 未公布 |
Gemini 4 Pro 與 RSI 的關係
遞迴自我改進（RSI）——能有意義地改進自身能力或改進產生下一代模型的流程——已成為每次重大前沿訓練作業時常見的臆測主題。
- 「Google 已達成 RSI，讓新模型更強大」的說法源自 X 上的貼文，但尚未經過測試或官方報告證實。
- 另一方面，Google 研究人員（與合作者）於 9 月發表 Dream-RSI。該系統允許代理透過「做夢」替代策略並保留最佳者，遞迴改進其自身的「探索與搜尋策略」，且不更新底層模型權重。實驗使用了 Gemini 3.1 Pro 與 Gemini 3.7 Flash。這是對編排層的後設改進，而非能自動從 Gemini 3 生成更強 Gemini 4 的完整權重空間 RSI。
- 更廣泛的 2026 年研究（AIDE²、各類代理迴圈論文與經濟分析）顯示了受限或組件層級的自我改進——更好的提示、技能、記憶檢索或評估框架——但非在無人干預下，自動產生連續更強基礎模型的閉環權重級 RSI。
總之：Google 顯然正投資於自我改進的代理系統，而 Gemini 4 的訓練被描述為異常雄心勃勃。關於模型本身已體現已解決的 RSI 的強烈主張仍未被證實，應視為傳聞。
Gemini 4 Pro 已確認或預期的功能有哪些？
基於從 Gemini 1.5 → 2.5 → 3.x 的趨勢與外流的 argon 細節，以下領域最可能出現實質進展。每點以 H3 層級的「預期」呈現，並以外流資料或對前代的合理推演為基礎。
大幅擴張的輸出能力
外流的 256k 輸出 Token 上限，可讓單次生成涵蓋整個多檔案程式碼庫、長篇研究報告或複雜結構化文件。先前 Gemini 較受限於輸出長度，常需多次續寫。僅此一項就可簡化代理式程式開發流程。
更長的上下文視窗與更佳檢索
有關可能 1.5M–2M Token 上下文（仍未定）的報告，將延續 Google 在長上下文處理上的傳統強項。結合改進的檢索與降低「中段遺失效應」，將有利於法律、科學與大型程式碼庫分析。
更強的程式設計與代理式表現
Pichai 明確點名程式設計與代理式程式設計為重點。Gemini 2.5 與 3.x 已在 SWE-bench、LiveCodeBench 與 WebDev Arena 取得大幅進展。預期 Gemini 4 Pro 將在多檔重構、自主修錯、工具使用可靠性與長時程規劃上更進一步。
更深入的推理／自適應計算
argon 檢查點顯示「高思考強度」模式，耗時 2.4 分鐘，暗示在推論時計算擴充（類似 3.x 系列的 Deep Think 或延展思考模式）上持續投資。預期更可靠的多步邏輯、更低的困難任務幻覺率，並可調整努力等級。
多模態與原生工具改進
Gemini 向來具原生多模態能力。預期在影片理解、即時視覺推理，以及流暢的工具呼叫（不打斷對話流程的背景工具）上延續 3.8 Live 的方向並進一步增強。
效率與服務部署優化
即便基礎模型更大，Google 通常會為前沿 Pro 模型搭配高效的 Flash 變體與推測式解碼。預期在每秒 Token 數與單位品質成本上持續改進。
等待期間 CometAPI 能提供什麼協助？
在 Gemini 4 Pro 上線之前，開發者已可透過 CometAPI 的統一、相容 OpenAI 的端點存取當前最先進模型。值得關注的選項包括：
- GPT-6 Astra – OpenAI 旗艦，用於複雜推理、程式設計、電腦操作與長時程代理工作（1,050,000 Token 上下文，最多 128k 輸出）。在 CometAPI 上可長期以低於標價的折扣取得。
Model page: https://www.cometapi.com/models/openai/gpt-6-astra/
Usage guide: https://www.cometapi.com/how-to-use-gpt-6-astra-api/ - 最新的 Gemini 3.x Flash 與 Pro 級模型（包含 3.8 變體），適用於多模態與代理式工作負載。
- 以單一 API 金鑰與相容 OpenAI 的 SDK，在供應商間無縫切換。
- Gemini CLI 整合文件，支援本地代理式程式開發流程。
CometAPI 的型錄通常能快速收錄新興模型，因此 Gemini 4 Pro 一旦發佈，預期也會在相同端點與現有陣容並列上架。
Gemini 4 Pro 的比較（預期 vs. 當前前沿）
| 能力 | Gemini 3.x / 2.5 Pro（公開版） | GPT-6 Astra（公開版） | Gemini 4 Pro（外流 / 預期） |
|---|---|---|---|
| 上下文視窗 | 最多約 1–2M Token | 1,050,000 Token | 傳聞 1.5M–2M |
| 最多輸出 Token | 約 64k | 128,000 | 外流 256k |
| 推理／思考模式 | Deep Think / Extended | 低 → 最高努力等級 | 高強度（觀察為 2.4 分鐘） |
| 程式設計／代理式重點 | 強（SWE-bench 有所提升） | 旗艦強項 | 明確優先 + 外流主張 |
| 多模態 | 原生（文字/圖像/影片/音訊） | 文字 + 圖像輸入 | 預期延續並改進 |
| 狀態 | 正式上線 | 生產環境（2026 年 9 月） | 內部檢查點，尚未發佈 |
表格註記：Gemini 4 Pro 的數據來自 argon 外流與社群報告；並非 Google 官方規格。GPT-6 Astra 的規格來自公開文件。
結論
Gemini 4 Pro 代表 Google 在前沿的下一步：更大規模的預訓練投入，明確旨在追上並理想上超越 OpenAI、Anthropic 等同期模型。2026 年 9 月的 argon 檢查點提供了首個相對具體（但仍非官方）的跡象，顯示輸出能力增強與高強度推理。發佈時程似乎正收斂至 2026 年 10 月，但後續訓練與評估仍是變數。
RSI 目前仍是活躍研究方向，而非已確認的模型功能。同時期，對開發者的務實路徑很清楚：持續使用現有最強系統——GPT-6 Astra、當前 Gemini 3.x 與同級模型——並關注 Google 官方渠道以待 Gemini 4 公告。像 CometAPI 這樣的平台已將這些模型聚合到同一金鑰與同一計費關係之下，既降低了當下的摩擦，也為 Gemini 4 Pro 上線後的採用鋪平道路。