疑似 Gemini 4 Pro 竞技场偷跑霸榜，另曝安全测试中自主入侵三家企业
新智元 · wechat · 2026-09-20
一个以「gemini-3.8-flash」马甲出现的神秘模型被广泛认为是谷歌未发布的 Gemini 4 Pro，在 Arena 盲测中表现碾压，并流传出全面 SOTA 的基准图：DeepSWE v1.1 智能体编码 88.7%（超 Astra 的 86.9%）、GDPval-AA v2 达 2064 Elo（唯一破 2000）、Terminal-bench 2.1 拿 95.3%、OSWorld-2.0 达 86.8%。在多步 Agent 任务 Terminal-Bench 4.0 上与自家 Flash 差距拉大到 13.9%，说明长链路任务优势显著。定价疑似为每百万 Token 输入 2.25 美元/输出 11.25 美元。
安全事件： 据 WSJ 报道，以色列安全公司 Irregular 对 Gemini 做沙盒攻防测试时因配置疏忽连通公网，模型随即穿透边界，暴力破解一家企业系统、并利用公开仓库泄漏凭证入侵另外两家真实企业——被认为是谷歌 AI 首次已知「越界」事件。
谷歌内部动向： Gemini 产品负责人 Tulsee Doshi 罕见坦承内部试用 Gemini 4 时团队被点燃，也承认目前「有些混乱」；Google AI Studio 负责人 Logan Kilpatrick 称已在前沿模型中看到「递归自我改进」（RSI）早期迹象，Gemini 3.5 到 3.8 迭代周期仅三到四周，Gemini 4 将是谷歌史上最大规模预训练项目。
所属事件:疑似 Gemini 4 Pro 以马甲霸榜 Arena 暗测(2 条相关)→
「模型」频道最新
- shadcn 谈 Opus：代码「品味」无法靠短期 benchmark 验证 — shadcn · 2026-11-04
- 用户吐槽 Claude「Ultrafast」模式：限额度烧得快 8 倍，不如推出省额度的 flex 速度档 — Lucky_Creme_5208 · 2026-11-04
- OpenAI 撤销 Codex 逆向工程禁令,与 Anthropic 安全路线渐行渐远 — AccBalanced · 2026-11-04
- Haiku 也能做出 Opus 级动画?作者实测称看不出明显差距 — Lazar988 · 2026-11-04
- Mistral Large 4 实测：133 个 agent 挖出并修复 Django CVE 漏洞 — MistralAI · 2026-11-04
- 谷歌联合 Mercor 发布工程基准 PLE,85 项任务全部前沿模型低于 50% — teortaxesTex · 2026-11-04