TLDR 2026 年 9 月中旬外洩的基準測試與 Arena.ai 的隱匿測試顯示，Google 尚未發佈的 Gemini 4 Pro 成為新一代領先者，在軟體工程、代理式任務、知識型工作、推理與多模態基準上凌駕 GPT-6 Astra 與 Claude Fable 5.1。
重點摘要
- Gemini 4 Pro 在外洩評測中領先 DeepSWE v1.1（88.7%）、GDPval-AA v2（2064 Elo）、Terminal-bench 2.1（95.3%）、OSWorld-2.0（86.8%），以及多個其他代理／推理測試套件。
- 在牌價上壓過 GPT-6 Astra（$12/$60）與 Claude Fable 5.1（$10/$50），同時匹配或超越它們的 1M 級上下文視窗。
- 以占位名稱（例如 gemini-3.8-flash）在 Arena.ai 進行的隱匿測試，產出了出色的 SVG、Three.js 與代理式程式設計展示。
- RSI（遞迴式自我改進）的傳聞四起，但缺乏針對 Gemini 4 本身進行閉環自主改進的公開證據。
- Google 已確認對更大型的 Gemini 4 基礎模型投入重資；公開發佈時間仍未官方定案。
- CometAPI 等平台已將 Gemini、GPT-6 Astra、Claude Fable/Opus 與數百款其他模型聚合於單一相容 OpenAI 的端點，價格具競爭力——一旦新前沿模型上線，極適合進行基準評測。
我們對 Gemini 4 有哪些已知資訊？（洩漏、來源與已驗證脈絡）
截至 2026 年 9 月 20 日，Gemini 4 Pro 尚未獲得 Google 的官方公告、模型卡或公開 API 端點。除了 Google 早先在 2026 年 7 月財報中表述的「投資於更大型的 Gemini 4 基礎模型」之外，其餘皆來自社群洩漏、Arena.ai 盲測與流傳的基準表。
關鍵來源與主張包括：
- 爆料者 Pankaj Kumar 與後續貼文（約在 9 月上旬至中旬）提到一個內部 Pro checkpoint，預期 10 月公開，且可能更早推出 Flash-Lite 變體。
- 多位開發者回報在 Arena.ai 拉取到名為「gemini-3.8-flash」（或類似占位）的高能力模型。其輸出包含複雜 SVG 生成（如踩腳踏車的鵜鶘、Three.js 的機械蝴蝶）、長且不重複的 JSON 生成，以及強勁的代理行為。有些使用者聲稱後端細節包括數百萬 token 的上下文、256k 的輸出上限、跨工作階段記憶，以及原生工具／網路能力。
- 一張廣為流傳的比較表，將 Gemini 4 Pro 與 Gemini 4 Flash、Gemini 4 Flash-Lite、GPT-6 Astra、Claude Fable 5.1、Claude Opus 5、GPT-5.6 Sol 相互比較。
- Google 尚未對 Arena 測試或該表格進行確認。歷史模式顯示，該公司經常在正式發表前數週於公開平台進行隱匿評估。
上下文視窗
外洩表格顯示 Gemini 4 家族最高可達 2M 的輸入 tokens——是 GPT-6 Astra 1M 的兩倍，也遠高於 Claude Fable/Opus 5 系列的 200k（部分 Claude 變體曾透過其他機制提供更大的有效視窗）。另有幽靈路由聲稱高達 10M 的上限；目前未獲證實。
Gemini 4 的價格（外洩數據）
流傳表格列示：
- Gemini 4 Pro：每 1M tokens $2.25（輸入）／$11.25（輸出）（不含快取）。
- Gemini 4 Flash：$0.75／$3.75。
- Gemini 4 Flash-Lite：$0.35／$1.75。
這些數字明顯低於 GPT-6 Astra 報稱的 $12/$60 與 Claude Fable 5.1 的 $10/$50（Fable 5.1 提供積極的快取讀取折扣，可降低代理型工作負載的有效成本）。目前官方 Gemini 3.x Pro 的定價依上下文長度不同，約在輸入 $2–$4／輸出 $12–$18 區間，因此外洩的 Pro 定價作為次世代調整並非不合理。
實際公開定價只能待發佈當天揭曉。Google 歷來以具競爭力的 token 費率與免費額度來推動採用。
Gemini 4 Pro 表現：外洩基準詳解
流傳表格將 Gemini 4 Pro 放在幾乎所有類別的最頂端。撰文時，這些數據均為「非官方、未經 Google 或獨立第三方實驗室驗證」。應將其視為方向性訊號，而非定論排名。
軟體工程與代理式程式設計
- DeepSWE v1.1（長期軟體工程）：88.7%（對比 GPT-6 Astra 86.9%、Claude Fable 5.1 69.1%、Claude Opus 5 75.0%）。
- Terminal-bench 2.1（代理式終端程式設計）：95.3%（對比 Astra 94.1%、Fable 92.8%）。
- Terminal-bench 4.0（通用代理能力）：69.7%（相較 Flash 與競品的最大相對差距）。
知識型工作與專業任務
- GDPval-AA v2（Elo，知識型工作）：2064（唯一超過 2000 的模型；Astra 1994、Fable 1853）。
- Vals Finance Agent v2：74.2%。
- Harvey’s Legal Agent Benchmark（複雜法律工作流程，全通過率）：18.7%。
推理、多模態與專門領域
- CharXiv Reasoning（從複雜圖表進行資訊綜整，無工具）：94.7%。
- LVBench（長影片理解）：95.8% 代理式／95.0% 靜態。
- HLE-Verified（跨領域專家推理）：72.1%。
- OSWorld-2.0（代理式電腦操作，部分分數，啟用批次工具）：86.8%。
- BioMysteryBench 與 LABBench2（生物資訊與生物研究工作流程）：在人類可解與困難子集上均為領先分數。
若上述結果方向正確，顯示其在長期、多步驟、工具驅動的代理型工作負載上有特別優勢——正是 GPT-6 Astra 與 Claude Fable 5.1 在 9 月上旬發佈後所主打的領域。
Arena 的質性測試亦佐證此觀察：該隱匿模型在複雜 SVG 與 Three.js 生成上的作品，於社群並排比較中被評為優於或高度競爭於 Astra。
Gemini 4 將如何運作？
Gemini 4（Pro）尚未發佈，因此任何「如何運作」的描述均基於 Google 的官方說法、關於早期內部 checkpoint 的有限外洩細節、Gemini 3.x 系列的演進軌跡與合理的工程推斷。以下內容皆不應視為已確認規格。
核心訓練與規模策略
Google 將 Gemini 4 描述為「迄今最宏大的預訓練」，建立在明顯大於前代的基礎模型之上。明確目標是保持在前沿競爭力，特別是在程式設計與自主代理方面。
這意味著：
- 更大的參數規模或更有效的容量（透過專家混合、更佳稀疏化，或更高密度的擴展）。
- 預訓練期間投入更高計算資源。
- 持續強化多模態訓練資料（文本、影像、影片、音訊、程式碼、工具使用軌跡）。
此模型預期作為新的高能力基準，未來可衍生出更快速的 Flash 風格變體。
推論與思考風格
對早期「argon」checkpoint 的外洩描述提到一種「高思考投入」模式，單次生成約耗時 2.4 分鐘，且支援顯著更高的輸出上限（據報為 256k tokens，相較先前約 64k）。
這指向：
- 可選的高計算量推理路徑（精神上類似競品中的延展思考或「最大投入」模式）。
- 能在產出答案前，於困難問題上花費更多內部計算。
- 對長篇且連貫的輸出有更佳支持，例如完整代碼庫、多步驟計畫或冗長報告。
與現有的 Gemini Flash 模型可設定低／中／高思考等級相似，用戶很可能可以控制速度／成本與推理深度間的取捨。
主要能力重點領域
- 程式設計與軟體工程 更強的長期表現：跨多檔重構、跨版本庫偵錯、自我修正迴圈，以及更高的真實軟體任務完成率。
- 自主／代理式行為 更佳的規劃、工具使用、觀察中間結果、錯誤恢復，並在多步驟中持續朝目標前進。直接建立在 Gemini 3.5/3.8 Flash 已提供的電腦操作與代理功能之上。
- 長上下文可靠性 社群回報目標在 150 萬 tokens（或更高）等級。實務目標不僅是更大的視窗，還包括更佳的擷取忠實度，以及在超長文檔、代碼庫或多小時代理軌跡中較少退化。
- 多模態理解與生成 原生處理文本＋影像＋影片＋音訊，預期在空間推理、影片理解與即時語音／代理互動上提升（延續 2026 年 9 月的 Gemini 3.8 Live）。
- 工具使用與結構化輸出 更穩健的函式呼叫、程式碼執行、搜尋落地與結構化 JSON/XML 輸出，便於整合至應用與代理。
與 Gemini 3.x 的差異
- 規模：明確更大的基礎模型，而非漸進式微調。
- 輸出容量：外洩的更高 token 上限，允許更長的單次生成。
- 推理深度：更明顯的高投入模式，用於處理困難問題。
- 代理聚焦：更強調持續、長期的自主工作，而非單輪或短期任務。
- 定位：旨在成為新的前沿 Pro 等級模型，Flash 系列則持續為速度與成本效率快速迭代。
與遞迴式自我改進（RSI）的關係
Google 高層公開將公司的大型 AI 資本支出與更長期的遞迴式自我改進目標連結——系統能有意義地改進自身或產出下一代系統的流程。相關研究（如 Dream-RSI 論文）顯示代理可在不改變模型權重的情況下，改進自己的探索策略。
Gemini 4 Pro 會超越 GPT-6 與 Claude Fable 5.1 嗎？
| 類別 | Gemini 4 Pro | GPT-6 Astra | Claude Fable 5.1 | 備註 |
|---|---|---|---|---|
| 輸入／輸出價格 | $2.25 / $11.25 | $12.00 / $60.00 | $10.00 / $50.00 | Gemini 4 Pro 約比 Astra 便宜 5× |
| 上下文視窗 | 2M | 1M | 200k | 對 Gemini 具顯著優勢 |
| DeepSWE v1.1 | 88.7% | 86.9% | 69.1% | 程式設計領先 |
| GDPval-AA v2 (Elo) | 2064 | 1994 | 1853 | 知識型工作領先 |
| Terminal-bench 4.0 | 69.7% | 66.4% | 57.9% | 通用代理能力 |
| OSWorld-2.0 | 86.8% | 84.5% | 77.9% | 電腦操作 |
| HLE-Verified | 72.1% | 67.3% | 62.1% | 專家級推理 |
| LVBench（影片） | 95.8% / 95.0% | 93.8% | 90.4% | 多模態優勢 |
| 生物／實驗室研究 | 最高分 | 強勁 | 具競爭力 | 科學工作流程 |
Gemini 4 Pro 在表中的每個主要項目皆居首位，且其宣稱的定價遠比 GPT-6 Astra 或 Claude Fable 5.1 更具攻勢。
重要注意事項
- 此表非 Google 官方發布。截止 2026 年 9 月 20 日，Google 仍未公布 Gemini 4 Pro 的模型卡、API 端點、定價或已確認的基準數據。數字來源於社群、Arena 現蹤與內部 checkpoint 洩漏（與代號「argon」相關）。
- 早前流傳的部分表格後來被指出為預測或部分抄錄。每個百分比與定價在 Google 證實前皆應視為「未驗證」。
- 此處列示的 Claude Fable 5.1 上下文視窗為 200k，低於 Anthropic 官方文件常見的 1M 數字。這可能反映特定評測設定，或是外洩表格中的誤差。
- 目前 GPT-6 Astra 與 Claude Fable 5.1 仍是唯一完全公開且經獨立評估的前沿模型。第三方追蹤顯示兩者整體表現仍相當接近（各有所長）。
當前實際情況（2026 年 9 月 20 日）
| 模型 | 狀態 | 最適用於 | 價格層級 |
|---|---|---|---|
| Gemini 4 Pro | 未發佈（據稱很強） | 長上下文、程式設計、代理、多模態、成本 | 非常激進（據稱） |
| GPT-6 Astra | 已發佈 | 數學、電腦操作、終端、自動化、資安 | 高價位 |
| Claude Fable 5.1 | 已發佈 | 長期代理、推理、程式品質、快取效率 | 高價位 |
| Gemini 4 Flash / Flash-Lite | 據稱為同系成員 | 速度與成本敏感型工作負載 | 極低 |
快速結論
- 在各面向占優勢：Gemini 4 Pro 在表中每項皆排名第 1，且多數具明顯差距。
- 特別強項：長期程式設計／代理（DeepSWE、Terminal-bench）、知識型工作、多模態（影片＋圖表）與專門領域（財經、法律、生物、電腦操作）。
- 價格定位：在輸入與輸出上約為 GPT-6 Astra 與 Claude Fable 5.1 的 1/5，同時取得更高分數。
Astra 著重於電腦操作、資安門檻與科學探索；Fable 5.1 著重於長時間的知識型工作與程式設計，並具有更低的快取讀取成本。Gemini 4 Pro 的外洩側寫顯示，其在廣泛的代理式軟體工程與多模態推理上最為強勢。
開發者如何準備：CometAPI 建議
在等待 Gemini 4 Pro 正式開放期間，團隊可受益於已支援當前前沿（Gemini 3.x 系列、GPT-6 Astra、Claude Fable 5.1／Opus 5 與 500+ 其他模型）的統一閘道。CometAPI 正提供這樣的能力：單一相容 OpenAI 的端點、一把 API 金鑰、按量計費通常較直連供應商低 20–40%，並能以單一參數切換模型。
實務流程：
- 透過 CometAPI，在現有的 Gemini Flash/Pro、GPT-6 Astra 與 Claude Fable 5.1 上原型化代理管線。
- 以相同提示在多模型上跑基準，建立基線。
- 當 Gemini 4 Pro（及其 Flash 變體）出現在 CometAPI 型錄時——該平台歷來對 Google 新模型上架相當迅速——只需更換 model ID，即可以最小代碼改動重跑評測。
- 使用成本儀表板追蹤各供應商的 token 支出，將高流量或延遲敏感流量導向最經濟且能力足夠的模型。
此做法可免除多把金鑰管理、降低供應商綁定風險，並讓團隊在公開首日即可採用 Gemini 4 Pro。
若外洩資訊的方向正確，Gemini 4 Pro 將是 Google 迄今最有力的嘗試，重奪代理式軟體工程與長上下文多模態推理的前沿。其宣稱的表現、巨大上下文與激進定價組合，將使其成為許多生產工作負載的優先選項。在官方發佈與獨立評測到來前，審慎之道是持續在現有前沿模型間進行基準對照——透過已統一接入的平台可輕鬆達成。請持續關注正式公告；未來數週很可能釐清多少炒作能轉化為實際生產力。
常見問題
Gemini 4 Pro 是否已發佈？
尚未。依據最新型錄與 Google 的說法（9 月中下旬），尚未公開發佈或列示正式的模型 ID。
Gemini 4 Pro 預計何時發佈？
爆料指出為 2026 年 10 月（也有 9 月下旬猜測）。Google 尚未給出官方日期。請視為待確認的時間窗，等待 API 型錄或部落格文章宣布。
Google 是否已以 Gemini 4 Pro 達成 RSI？
公開證據顯示已有進階的代理迴圈用於模型改進，以及關於策略層級遞迴改進（如 Dream-RSI）的研究。尚無獨立驗證支持「由完整 RSI 產出該模型」的主張。
與 GPT-6 Astra 與 Claude Fable 5.1 在基準上如何比較？
社群外洩圖表宣稱在多個代理／程式設計套件領先。針對已發佈的 Gemini 4 Pro 尚無官方獨立分數。當前公開資料仍建議以實際任務對已上線的 Astra 與 Fable 5.1 做評估。
是否應該等 Gemini 4 Pro 再開始開發？
不必。先以當前最強的可用模型上線（透過 CometAPI 或直接 API），維持評估集就緒，當新模型出現且經獨立與內部測試證實值得切換時再採用。
哪裡可以輕鬆存取當前前沿模型？
CometAPI 等統一供應商提供相容 OpenAI 的存取，涵蓋 GPT-6 Astra 級、Claude Fable 5.1、現有 Gemini 與其他模型，並簡化計費與切換。請查閱即時型錄與文件以取得最新的 ID 與定價。