Gemini 4 Pro 穿上「3.8 Flash」马甲偷跑上线：谷歌旗舰在 Arena 匿名亮相，多维度反超 Astra 和 Fable

一句话结论：9 月 18 日，大模型竞技场 Arena 悄然杀入一款名为「gemini-3.8-flash」的新模型，但开发者发现它其实是谷歌下一代旗舰 Gemini 4 Pro 的匿名测试版。泄露的基准数据显示，它在编码、智能体、推理、计算机使用等多项能力上全面超越 GPT-6 Astra 和 Claude Fable 5.1，且价格是「御三家」里最具性价比的。

AI 摘要

• 发生了什么：谷歌疑似将 Gemini 4 Pro 以「gemini-3.8-flash」为名，在 Arena 平台匿名上线测试。
• 为什么重要：这是谷歌上一个大版本 7 个月后的首次旗舰级动作，且多项基准反超 OpenAI 和 Anthropic。
• 关键数据：DeepSWE v 1.1 拿下 88%（超 Astra 近 2%）；OSWorld-2.0 得 86.8%；输入 2.25 美元/百万 token。
• 事实边界：谷歌未正式官宣，泄露数据来自开发者抓包和体验，需等待官方确认。

「3.8 Flash」为什么是假的

事情的破绽在于名字。Gemini 3.8 Flash 这个型号早在 9 月初就正式发布过了，现在 Arena 上又冒出一款同名模型，这本身就极不寻常。

开发者进入后端后发现了更多证据：这款「gemini-3.8-flash」有 1000 万 token 的输入上限、25.6 万的输出上限，还有永久跨会话记忆，不用 API 就能连网。这些配置根本不是 Flash 级别模型该有的，反而处处指向旗舰。

合理的推测是：谷歌把 Gemini 4 Pro 的首个检查点，套上了 Flash 的马甲，先在 Arena 上做匿名盲测。这和之前 Ox Alpha、Union Alpha 匿名上线的路数一致——先让用户在不知道厂商的情况下盲测，弱化品牌偏见，再择机揭晓。

泄露的基准数据说了什么

从泄露的基准图看，Gemini 4 Pro 的成绩单相当亮眼。

在 DeepSWE v 1.1（AI 智能体编码任务）上，它拿下 88% 分，比 Astra 还高近 2%；在 Terminal-bench 2.1（终端编码能力）上是 95.3%；在 OSWorld-2.0（计算机使用能力）上斩获 86.8%，击败了 Astra 和 Fable。

最有意思的是 GDPval-AA v 2 这个真实知识工作任务，Gemini 4 Pro 是唯一获得 2064 Elo 的模型。

价格上也是「御三家」里最划算的：每百万 token 输入 2.25 美元、输出 11.25 美元。对比 Astra 和 Fable 的定价，谷歌这次打的是「性能 + 性价比」的组合拳。

不过要划清边界：这些数据来自开发者抓包和体验，谷歌官方没有确认，泄露的基准图也可能存在选择偏差。真实水平要等正式发布和独立评测。

为什么谷歌押注 RSI

Gemini 4 Pro 偷跑背后，藏着一个更关键的信号：谷歌在赌 RSI（递归自我改进）。

华尔街见闻的报道提到，Gemini 4 之所以能提前完成预训练，正是因为谷歌 DeepMind 在训练中实现了「RSI 闭环」。这和 谷歌 API 泄露疑似跑通 RSI 那条线完全对上了——谷歌产品负责人 Logan Kilpatrick 说过谷歌「死盯前沿，已经看到 RSI 的早期迹象」，Gemini 3.5 到 3.8 每三四周一更就是证据。

更有意思的是，就在 9 月 14 日，谷歌公开了 Dream-RSI 研究——让 Agent 在虚拟历史里做梦、进化搜索策略。如果 Gemini 4 Pro 真的靠 RSI 加速了预训练，那 Dream-RSI 就是这条技术路线的公开注脚。

御三家牌桌变了

Gemini 4 Pro 的偷跑，让「御三家」的竞争格局重新变得有看点。

OpenAI 有 Astra，Anthropic 有 Fable 5.1，两边已经把竞争从单纯聊天卷到了长任务、Agent、代码、推理乃至自主科研。谷歌如果只是拿出一个「比 Gemini 3.8 更强」的模型，已经不够了——它必须重新证明 Gemini 还在最前沿。

这次的匿名偷跑，至少在跑分和实测两个维度上，给市场递了一张「谷歌回来了」的信号。开发者实测里，Gemini 4 Pro 在 UI 网页设计、SVG/3 D 生成、游戏开发上的表现都可圈可点——14 分钟搭出一个创意展示网页，「鹈鹕骑自行车」的测试完成度极高。

谷歌目前市值 4.23 万亿美元，撑住这个市值的前提就是 AI 实力留在第一梯队。Gemini 4 Pro 就是它交出的最新一份答卷。

智盒判断

短期看，Gemini 4 Pro 偷跑的最大意义是「重新入局」。谷歌在旗舰模型上沉默了 7 个月，市场一度以为它掉队了。这次匿名亮相比任何发布会都有说服力——因为盲测环境下的好评，比厂商自己吹的跑分更可信。

中期看，真正值得盯的是「RSI 闭环」这个说法能不能被证实。如果 Gemini 4 真的靠 RSI 提前完成预训练，那它就是第一个把 RSI 用在旗舰模型训练上的公开案例，这比任何单款模型的跑分都更能改变竞争格局。这需要等谷歌正式发布时的技术报告来验证。

长期看，「匿名偷跑」正在成为大模型发布的新范式。从 Ox Alpha 到 Union Alpha 再到 Gemini 4 Pro，厂商越来越倾向于先盲测、再官宣。这背后的逻辑是：当跑分普遍失真时，真实使用体验成了更可信的信号。对开发者来说，这意味着以后判断一个模型，要多看实测、少看发布会。

FAQ

Gemini 4 Pro 官方发布了吗？

还没有。目前是在 Arena 平台匿名测试，套着「gemini-3.8-flash」的马甲。谷歌官方没有确认，泄露的基准数据需要等正式发布和独立评测来验证。

它真的超过 Astra 和 Fable 了吗？

泄露数据里多项基准确实反超，但这是开发者抓包的数据，可能存在选择偏差。而且 Gemini 4 Pro 还没正式发布，Astra 和 Fable 也在持续迭代。只能说它显示了谷歌重返第一梯队的实力，不能断言「碾压」。

和 RSI 有什么关系？

报道称 Gemini 4 靠 DeepMind 的 RSI 闭环提前完成预训练，与谷歌 9 月公开的 Dream-RSI 研究一脉相承。如果属实，这将是 RSI 首次用在旗舰模型训练上的公开案例。但目前还停留在推测层面。