Gemini 4 Pro 泄露跑分与定价流出：标称约为竞品 1/5 成本、2M 上下文
Wanderspor · reddit · 2026-09-27
Reddit 用户汇总了流传中的 Google Gemini 4 Pro 泄露数据与 Arena.ai 隐身测试（挂 gemini-3.8-flash 占位名），称若 10 月真的按此发布，前沿模型经济将剧变（未证实爆料）。
1. 标称跑分领先（Agentic 与编码）
- DeepSWE v1.1：88.7%（对比 GPT-6 Astra 86.9%、Claude Fable 5.1 的 69.1%）
- Terminal-bench 2.1：95.3%（Astra 为 94.1%）
- GDPval-AA v2（知识工作）：2064 Elo，唯一突破 2000 的模型
- OSWorld-2.0：86.8%（Astra 84.5%）
Arena 盲测的定性反馈（复杂 Three.js 生成、多步 JSON/SVG 输出）与这些数字基本吻合，指向 Google 主攻长时程 agentic 任务。
2. 单价经济离谱
- Gemini 4 Pro：输入 $2.25 / 输出 $11.25（2M 上下文）
- GPT-6 Astra：约 $12 / $60（1M 上下文）
- Claude Fable 5.1：$10 / $50（不含激进缓存）
若按 Astra 约 1/5 定价且上下文翻倍，将打破当前自主 agent 的定价体系。
3. 关于 RSI 的争论
不少讨论把跃升归因于递归自我改进，但作者认为公开可验证的更像策略级改进（类似 Google 已发表的 Dream-RSI 论文）加上大规模算力预训练，而非完整自主自我改进循环。
作者建议：等模型 ID 上线端点后用真实 pass rate 验证泄露表，别急着锁定长期 API 合同。
所属事件:疑似 Gemini 4 Pro 匿名现身 Arena 暗测(8 条相关)→
「模型」频道最新
- 照片转 CSV 实测:Claude 基础模型反超 Gemini 旗舰 — Heisenricher · 2026-09-28
- 网传 v4.1 pro 将随 DSH 官方发布？当事人辟谣：没说过 — teortaxesTex · 2026-09-28
- 你在读的真是模型的思维链吗?忠实性质疑再起 — stochasticchasm · 2026-09-28
- 有实测称 Claude Opus 5.5 视觉设计能力为当前所有模型之最 — FinanceYF5 · 2026-09-28
- 长视频生成非一次性扩散，是 LLM 编排数小时的流水线 — cgarciae88 · 2026-09-28
- dhh 盛赞 Anthropic Opus 5.5：「炒作是真的，他们做了魔法」 — gaganghotra_ · 2026-09-28