谷歌Gemini 4 Pro被曝Arena灰度测试：千万token输入、256K输出，SVG矢量生图出圈

旗舰新模型穿着「Flash马甲」偷跑

9月21日，多位开发者在社区报告：谷歌新一代旗舰大模型正在 ChatbotArena 平台进行隐式 A/B 灰度测试——用户在不知情的情况下与新模型对话，系统通过隐藏路由分流。该版本对外显示的标识是 gemini-3.8-flash，但内部代号被挖出为 Argon，外界普遍判断其真身是尚未官宣的 Gemini 4 Pro。

谷歌历来有在 Arena 匿名测试新模型的习惯，此前 Gemini 3.8 系列也经历过类似阶段。但这次泄露的规格表，把下一代旗舰的上限直接拉高了一个数量级。

被实测出的规格

• 输入上下文：1000万 token——约合数千万汉字，足以一次装入数千页文档、整个中型代码库或数百小时转录文本；
• 单次输出：256K token——可以一次性生成长篇技术文档、完整项目代码或书籍级长文；
• 跨会话永久记忆：模型原生记住历史对话，无需用户手动拼装上下文；
• 联网检索 + 代码沙箱执行：自主搜索资料并运行代码验证，形成闭环；
• SVG 矢量图生成：最出圈的能力，直接输出可无损缩放、可二次编辑的矢量图形。

SVG 生成为何让开发者刷屏

当前主流图像模型输出的是位图（PNG/JPG），放大即糊、改色要重新生成。SVG 是用代码描述图形的矢量格式：

• 放大到广告牌尺寸依然清晰；
• 可以直接嵌进网页、PPT、Figma，任意改色、改文字、拆图层；
• 文件体积极小，适合图标、信息图、数据可视化、技术示意图。

实测案例显示，Argon 能根据一句自然语言直接画出结构正确的流程图、数学示意图和品牌级插画。这意味着「代码绘图」可能绕开传统设计工具，成为模型原生输出的一部分——谷歌在多模态可视化领域的这次偷跑，被认为补上了 Gemini 相对竞品最弱的一环。

长上下文竞赛进入「千万级」新阶段

2026年的上下文窗口演进速度惊人：

千万级窗口的实际意义不只是「读更长」，而是工作方式改变：律师可以装入整个案件卷宗库，研究者可以把全部实验记录当上下文，企业可以把整个知识库作为单次对话背景。当然，超长上下文的信息检索准确率（大海捞针测试）和调用成本，才是决定它是否实用的关键，目前尚无第三方数据。

三点冷静观察

1. 灰度版本不等于最终规格：A/B 测试可能在不同子配置间切换，1000万窗口未必是发布时所有用户的标配，也可能受分级套餐限制；
2. 「马甲命名」引发困惑：借用 3.8-flash 的名字会污染公开评测榜单的可信度，社区已有人呼吁 Arena 加强模型身份披露；
3. 发布时点未定：结合本周 OpenAI GPT-6 Sol 和 Anthropic Opus 5.5 的发布传闻，谷歌有强烈动机提前亮牌，但官方至今沉默。

如果 Argon 的实测能力在正式发布时得到保留，那么2026年最后一个季度的旗舰模型竞争，将围绕「千万上下文 + 原生多模态生成 + 持久记忆」三个新维度展开，而不再只是刷榜分数之争。

来源参考：帝恩思AI智讯、ChatbotArena 社区实测讨论