测试者一周体验Gemini 4 Argon：模型强，但产品不行

一周前，测试者Inmerson获得了Gemini 4 Argon的提前访问权限，一周后访问结束。他在这一周内，从长对话、教育、编码、工具调用以及实际工作流等多个方面对模型进行了测试，以下是他的测试结果。

首先，Gemini 4 Argon和普通Gemini应用是完全不同的两类产品。在体验中，Argon给测试者留下了很深的印象，它完全不同于谷歌之前推出的旧版Gemini模型，整体风格、推理方式、幽默感和行为模式都比预期更有特点。

旧版Gemini模型的一个常见问题是急于完成任务，经常走捷径，只想着尽快结束任务，而非认真完成任务。而在多次测试中，Argon会主动补充测试者没有要求的细节，不会急于结束任务，反而会努力生成更好的结果，还能主动提出有创意、符合上下文的详细建议。

测试者特意测试了Argon的长上下文可靠性——这是旧版谷歌模型的常见弱点。他在同一对话窗口持续聊天7天，对话变得非常长，还要求模型在对话中一直使用编号结构，方便测试者跟踪连贯性。

在测试接近尾声时，测试者询问对话开头的细节，模型正确回忆了起来，更重要的是，测试开始时给出的规则，7天后模型依然遵守。这不代表幻觉问题已经完全解决，但测试结果显示谷歌确实在长上下文留存、指令遵循和一致性方面做了重大改进。

教育领域是Argon的另一个亮点。通过NotebookLM MCP，测试者给Argon开放了大量学术材料，包括笔记、视频和其他课程资源，模型可以快速分析这些材料，将其整理为学习计划、学习模拟和结构化的学习工作流，测试者认为这类模型对学生会非常有价值。

接下来是不好的部分：测试者的不满大多不是针对Argon模型本身，而是针对Gemini产品本身。Gemini网页端应用设计不错，但功能上在很多关键领域都落后于ChatGPT这类产品。

现在的AI产品早已不只是聊天机器人，问题不只是模型有多聪明，而是产品从始至终到底能为用户完成什么事。在ChatGPT中，用户可以提出一个正式的编码项目需求，最终得到结构化的项目文件，甚至可以要求生成一个安卓应用，得到可下载安装的安装包（APK），也能将代码打包为ZIP文件，这种体验从“告诉我怎么做”变成了“帮我建好把结果给我”。

Gemini在这类端到端工作流上还不够成熟。如果用户还是得回到ChatGPT去生成、打包和交付实际项目输出，那Argon的能力就会被配套应用限制住。

插件和工具是另一个主要弱点。Gemini有不错的想法，包括自定义插件和Skills功能，但实际使用体验还存在很多问题。测试中，频繁请求权限、工具流程不一致，也没有预期中的“始终允许”选项。这些看起来是小的用户体验细节，但很快会让用户疲惫。

即便是谷歌自家的云端硬盘（Drive）集成，也达不到预期的能力和可靠性。测试者要求Gemini编辑电子表格时遇到了问题，问题出在工具层而非模型层。这点很难让人接受，毕竟整个生态都是谷歌自己的，如果第三方AI产品对接谷歌服务都比谷歌自家AI应用更顺畅，那集成层就需要认真改进了。

不过新的Skills系统确实不错，直接在聊天中创建或关联技能的体验很自然，基于上下文自动选择技能是测试者很喜欢的一点。但在深度自定义技能、更丰富的引用和更广泛的工具工作流方面，ChatGPT还是更成熟。

使用限制也需要调整。在提前体验阶段，大约只有5小时的使用窗口，同时Gemini提供的端到端功能还比竞品少，这种平衡很难让人接受。相比之下，日常使用ChatGPT在基础聊天中限制更少，同时还能处理更大型的项目和文件工作流，谷歌需要重新思考这种价值配比。

后台运行也是必须修复的问题。如果用户发起一个长时间任务，关闭应用、锁屏或者切换设备不应该终止任务，任务应该在谷歌服务器上继续运行，等用户回来的时候已经处理完成。ChatGPT和Claude早已实现了这种体验，2026年，一个合格的AI产品不应该要求用户一直开着对应页面等任务完成。

测试者认为谷歌还需要更快推出产品改进。一些纸面看起来很小的功能改动，可以完全改变日常使用体验。竞品迭代速度很快，在AI领域，几个月的延迟影响很大。

如果测试者是Gemini产品团队的一员，他会不断研究ChatGPT和Claude，不是盲目抄袭，而是搞清楚什么样的产品决策能让它们日常使用更方便。

目前AI领域对Gemini已经有很多质疑，谷歌可以推出速度很快、成本很低或者能力很强的模型，但如果配套产品持续给用户制造 friction，很多用户还是不会把它当成主要使用的AI工具。

谷歌最大的挑战在这里：不是模型质量，而是产品落地。用户不活在测试基准里，他们活在应用里。

Gemini 4 Argon让测试者相信，谷歌有能力造出世界上最好的模型之一，但一个好模型和一个好AI产品不是一回事。

最让测试者印象深刻的不只是单纯的智能，而是Argon运用智能的方式：关注细节、长上下文一致、遵循指令、主动提出想法、明确倾向于改进结果而非简单结束任务。

基于7天的个人使用，测试者不会称它为通用人工智能（AGI），这个说法太夸张了，但可以说，Argon和他之前用过的模型确实有明显不同。

一周体验后的最终看法：谷歌可能能赢下模型竞赛，但如果Gemini应用不以同样快的速度进化，它可能还是会输掉用户竞争。最后，测试者感谢谷歌提供Argon的提前访问机会，他很珍惜这次机会。