近期，一个名为"gemini-3.8-flash"的神秘模型在大模型竞技平台Arena上亮相，被普遍认为是谷歌尚未发布的Gemini 4 Pro。这一模型的性能表现吸引了AI领域的广泛关注。在一项名为“机械蝴蝶”的演示中，开发者要求模型利用Three.js从零开始创作并渲染一只结构复杂的机械蝴蝶。这项实时编码挑战测试了模型的空间几何理解、光影材质处理和多轴物理模拟的能力，稍有失误就可能导致浏览器崩溃。经过测试，Gemini 4 Pro相比Fable 5.1 Max在这一任务中耗时减少了约67%。

此外，开发者还制作了配有爆炸视图、飞行模式及组件标注的机械蝴蝶。在与3D手表和机器人“瓦力”进行对比时，Gemini 4 Pro在爆炸视图和组件设计方面表现卓越，并且能自主添加动画和互动细节，超出用户要求。

最令人瞩目的是流出的基准测试数据。Gemini 4 Pro在多个测试项目中均展示了显著领先的性能：在DeepSWE v1.1智能体编码任务中获得了88.7%，超越了GPT-6 Astra的86.9%；在GDPval-AA v2真实知识工作任务中，成为唯一突破2000 Elo的模型，达到了2064分；在终端编码能力测评Terminal-bench 2.1中记录了95.3%的最高成绩；而在OSWorld-2.0计算机操作测试中以86.8%排名第一。 球友会

在评估Agent连续多步执行能力的Terminal-Bench 4.0中，Gemini 4 Pro与其前代Flash的差距从3.2%扩大到13.9%，表明在复杂任务和步骤增加时，其优势愈发明显。该模型在价格上也具备竞争力，每百万Token的输入费用为2.25美元，输出费用为11.25美元。