Gemini 4 Argon 上线没多久,骂声和夸声挤在了一起。编程被说不如跑分,Antigravity Pro 订户被拒之门外,可写作这一项,大家几乎一致叫好。

知乎热榜上有个问题在聊这事。三件事,一次说清。

编程:手感不如跑分

知乎热榜的问题描述里提到,Gemini 4 Argon 引发了不少争议,头一条是:编程似乎没有 Benchmark 那么强。

Benchmark 就是基准测试,拿一套统一的题目给模型打分,各家发布新模型时最爱亮的就是这个。

注意措辞是「似乎」。这是使用者的感受,不是哪份评测给出的结论。

从这句话能看出,跑分漂亮和用起来顺手,在编程这件事上没对上。

Antigravity Pro 订户用不了

第二条争议更直接:描述里写的是 Antigravity Pro 订户都不让用。

后面跟的是「等等」,也就是说,被拿出来说的争议不止这两条。

这一条和模型好不好写没有关系,是谁能用上的问题。花了钱订阅却用不了,吐槽自然会比较集中。

写作:一致认可的那一项

争议归争议,描述里紧接着有一句转折:大家一致认为,它是现在所有前沿模型里写作最好的那个。

前沿模型,指的是能力排在最前面的那一批模型。在这批里排第一,口气不小。

再看问题本身的问法:不少 AI 生成内容越来越晦涩难懂,Gemini 是怎么做到输出内容「说人话」的?

提问的人在意的不是分数,是读起来累不累。这类抱怨很多普通人都有。用 AI 写东西、看 AI 写的东西,最烦的就是满屏绕来绕去的话。站内之前写过的律师自建本地AI服务器,也是把 AI 真正用进日常工作的例子,这类场景里,输出能不能直接拿来用,比分数更要紧。

两种评价标准

串起来看,Argon 这次的口碑其实分成了两套尺子。

一套量的是硬指标:编程强不强、订阅能不能用。这两项被指不尽如人意。

另一套量的是读起来像不像人话。这一项,热榜上的说法是公认第一。

这意味着,同一个模型可以同时被骂和被夸,而且两边都不算说错。对不写代码的普通用户来说,后一套尺子可能更贴身。像AI肖像授权平台这类围绕 AI 内容的新东西越来越多,AI 写得好不好读,会越来越常被拿出来单独比。