今天期待已久的 Gemini4 Argon 发布了。
但是，有一个天才程序员陨落了！
Claude 大中华区唯一代言人甲维斯，被"疯号"了！
看来，公众号也可以停更了！现在脑子嗡嗡响！
这个事情，就发生在我测试 Gemini4 的期间，我拿 Opus5.5 做了一个对比测试！
我测试的题目是这个：
这是一个视觉推理题目！
给定一张我定制的坦克大战的图片，然后让它根据图片回答问题。
问题是：
如果两炮能打掉红色框中的砖块，那么黄色坦克朝右开两枪会怎么样？基地会怎么样？
正确的答案应该是会挂掉。
由于我的谷歌 AI 是 Pro 会员，所以还无法在 Antigravity 中测试，所以我就在 Gemini 的网页上进行测试，这个测试过程非常波折。
首测拉胯
我在 Gemini 的网页上，选择了 Argon 模型，连测两次都失败了，这让我非常失望。
其中一次结果如下：
从这个回答的第一条就可以看出来，它这个错误很典型，它并没有仔细看这个图片，而是根据记忆和经验直接做回答了。所以结果肯定是错的。
作为 Google 的最新旗舰模型，这个问题都回答不了？ 我有点难以置信！
所以，我就提醒了一下：
提醒之后，立马发现问题的关键。 它终于知道了这个厚度关系！
这一点很好！
然后，我又新开对话，连续测了两次，全部回答正确。
这个时候，我有点怀疑它的记忆系统，以及记录了这个问题。
但是我无法确定，所以我后面会用 API 跑一次。
对比测试
为了更加公平，我也在网页上问了 Claude 和 GPT 同样的问题！
Opus5.5 连问五次全部正确：
它的思路非常清晰，它立马就注意到了这个问题的关键------厚度！
发挥也非常稳定，五次回答，推理和结论基本一致。
我的 Claude 默认是关闭记忆功能的，所以可以排除记忆干扰！
我不开记忆，主要是怕它知道太多！
然后是 GPT 的情况：
image-20261014101407931
这一轮回答，简直就是弱智！
GPT 的情况整体比较复杂，它的网页版分聊天和工作！
聊天里面只能选 GPT6，不知道后缀是什么，我问了几次，有对有错。
然后我切换到 work 模式问了几次，GPT-6.1 Sol 基本都错，GPT-6 Astra 基本都对。
总感觉OpenAI 只是不停的在调整后端路由，然后不停的按Reset！
API 测试！
因为记忆问题、网页智能体的问题、后端路由的问题，可能都会影响答案。
所以我直接通过 OpenRouter 调用 API 进行了测试。
我选了四个模型，分别测了五次，结果如下：
| 模型 | 第1次 | 第2次 | 第3次 | 第4次 | 第5次 | 核心正确率 |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | ✓ | ✓ | ✓ | ✓ | ✓ | 5/5 |
| Gemini 4 Argon | ✓ | ✓ | ✓ | ✓ | ✓ | 5/5 |
| GPT-6 Astra | ✓ | ✓ | 墙厚误判 | ✓ | 墙厚误判 | 3/5 |
| GPT-6.1 Sol | ✓ | 方向误读 | ✓ | 方向误读 | 墙厚误判 | 2/5 |
这里使用的思考强度全部是"中等"！
可以看到 Opus5.5 稳如老狗，全部正确，Argon 也是全对的，GPT 的情况稍微有点惨烈！
我之前在 Codex 上也测试过 Astra 是 100% 正确的，可能它要用特定的 harness 才能稳定发挥，也可能刚上线时候的 Astra 和现在的不一样。
从这里来看，Gemini4 还是很强的！
所以网页版刚开始回答错误，可能是模型还没有真的切换到Gemini4，而后来全部正常，全部都是Gemini4回答的。
这一点，有账号的都可以去测试一下！
另外我也可以给大家看一下费用情况：
| 模型 | 第一轮费用 | 第二轮费用 | 两轮合计（10次） |
|---|---|---|---|
| Claude Opus 5.5 | $0.11332 | $0.10454 | $0.21786 |
| Gemini 4 Argon | $0.02968 | $0.03895 | $0.06863 |
| GPT-6 Astra | $0.09555 | $0.08470 | $0.18026 |
| GPT-6.1 Sol | $0.02456 | $0.01924 | $0.04380 |
| 合计 | $0.26311 | $0.24743 | $0.51055 |
在同样答对的情况下，Gemini 4 的成本非常低。 比 O、A 两家的旗舰模型低很多。
所以针对这类问题，G4非常有性价比的。
看来 G4 的视觉推理能力还不错，证明眼睛和脑子还可以。
至于能不能解决工程问题，开发方面怎么样，就只能用 Antigravity 来测试了。
我的 Pro 账号，还没法用这个模型，要稍等一下！
我也在网页版测试了清明上河图，效果不好！
先写这么多吧，本来开开心心玩谷歌。
现在"前女友"拉黑我了，需要先哭一会儿！
Claude 大中华区以后没有代言人了！
根据大数据统计，申诉成功的概率只有 10% 左右，非常渺茫！
有个朋友说了一句"节哀顺变"，这个氛围拉满了！
我从来没有考虑过，如果没有 Claude，我要怎么办这个问题。
我现在可以考虑一下了！