AI 导读
谷歌官宣 Gemini 4 Argon 后，第三方评测 LiveBench 2.0 同步给出跑分，其总分 84.1 排第五，落后于 Claude 和 GPT-6 系列。
推荐理由
作者拆解 LiveBench 2.0 分科成绩和单任务成本，提示看榜应关注各模型能力侧重而非总分。
正文
谷歌新旗舰 Gemini 4 Argon 刚官宣，第三方评测 LiveBench 2.0 几乎同步甩出一张跑分表，直接把它按在了第五名。
乍一看总分 84.1 落在 Claude 和 GPT-6 后面，但只要把五门成绩单拆开，就会发现它根本不是平庸，而是一个极其偏科的理科怪兽。
在推理 95.1 和数据分析 85.2 两个硬核科目上，它直接拿下全场第一。但一测到智能体自主干活 69.9 和设计生成 73.7，分数直接掉到了前五名垫底。
以前大家看榜单只挑总分第一，但真实业务场景里，拿一个智能体只有 69 分的模型去跑复杂长流程，踩坑概率会成倍放大。
这张榜单最耐人寻味的，其实是最后一列：每个成功任务的实际成本。
Claude 两款模型在智能体和设计上确实断层领先，但跑完一个任务要 4 美元多。
相比之下，总分紧咬的 GPT-6.1 Sol 做完一个任务只要 0.73 美元，成本差了将近六倍；Gemini 4 Argon 则卡在中间，单任务 1.83 美元。
说白了，大模型早已没有所谓的全能六边形战士。
Claude 在死磕复杂的智能体闭环，谷歌在死磕硬核的逻辑推理和数学分析，而 OpenAI 在拼命把执行成本砍到脚脖子。
看榜选模型从来不是为了选谁当状元，而是算清每一块钱到底买到了什么能力。
Gemini 4 Argon 来了，今天就可以在 AI Studio、Gemini API 和 Gemini App中使用 ！ 最有意思的是全网都在等谷歌发 Gemini 4 的跑分去刷榜，结果谷歌CEO皮查伊只发了三句话，一个跑分都没给，这说明大家都在卷测试基准的时候，谷歌已经把重心转向了现实物理理解和几十亿用户的默认分发。 50 秒视频连旁白都没有，直接把人看傻了，完整展示了 AI 如何看懂真实物理世界并现场交付工程结果： 拍张照片生成 3D 物理模拟， 拍个配电箱直接出电路表， 拍堆石头秒填 Google Sheets。 以前的多模态是负责识别图里有什么，这次谷歌直接把现实世界的物理规律，现场做成了可用的生产力工具： → 随手画个草图，直接生成带物理受力的 3D 风筝气动模拟 → 拍一段孩子荡秋千，实时拉出角度与速度的动力学曲线 → 拍一张家里杂乱的电箱，自动梳理成结构化电路表 → 海边捡的一堆石头贝壳，扫一眼就按材质纹理分类填进 Google Sheets 最狠的是，它跨过了看图说话，开始真正看懂物体的力学结构、空间剖面和几何逻辑，而且顺手把可交付的工程结果给做出来了。 另一个藏在后面的底牌是入口。 发布当天，直接同步推给付费 API、企业平台，以及几十亿人每天在Gemini App。 别家发布新模型，用户还要到处找入口；谷歌发模型，你日常打开搜索它就已经在那了。 说白了，靠跑分打擂台的阶段正在过去，以后的差距不在于谁更会聊天，在于谁能把现实世界拍一下，就直接变成干活的结果。 https://x.com/sundarpichai/status/2110038898009407584/video/1在 X 查看被引用的帖子
来源：AYi · x.com