实测 Gemini 4:模型不错但 tool call 仍会出错,老问题没变

hrishioa · x · 2026-10-14

开发者 hrishioa 实测 Gemini 4 后评价:模型本身不错,与 Gemini Flash 配合也能干活,但 tool call 准确性依旧不过关,还是会出错。

配图显示其地震目录分诊 demo 中,paretopush 工具调用因参数校验失败而报错("Validation failed for tool \"paretopush\"");同屏的对比图显示 30 特征 GBDT 加 3.5% 门控 Gemini Flash 审查的组合在 $0.29/千事件的成本下达到 90.5% F1,而纯 zero-shot LLM 成本 $3.80 且 F1 更低。结论:变化的是模型能力,不变的是 tool call 可靠性这个老大难。