为什么说Gemini才是目前最被低估的真神？

不知道大伙最近关注 Gemini 没，最近哥们的更新挺频繁的。 先是端了个Gemini 4 Argon（氩），又是端了个Gemini 4 Carbon（碳），我还没用明白呢又来个Gemini 4 Hydrogen（氢），谷谷歌歌是想给元素周期表都端一遍？ 从网上的反馈来看，谷歌的模型确实离O家和A家的模型越来越远了。哪怕是最新的 Argon 甚至 Carbon 甚至 Hydrogen，只要一提到 Gemini，AI圈儿的恶意就要吻上来了，能不拿头去顶你Claude和GPT叔叔的鞋底了嘛？ 但我今天得说个暴论，那就是， 被大伙天天称为“北美豆包”的Gemini，反而是现在全世界最接近AGI的模型。 先别急着喷，只要你用用就会发现，除了编程，这哥们全面的离谱。 比方说，最近刷到很多网友开始发帖夸赞 Gemini 4 的文字功底，说是无可争议的世一模。 还有网友向大伙分享自己被 Gemini 庞大世界知识的震惊时刻，像 3.8 Flash 这样的模型对冷门材料学的理解，有时居然比GPT Astra强。 于是我花了一周时间，把 Gemini 深度体验了一遍，才发现它真的被我们低估了。 甚至可以说，对非程序员来讲，它就是世界上最好的模型，是无可争议的人味G.O.A.T。 就拿一个大家从没注意到过的点来说， 市面上绝大多数号称“多模态”的顶级大模型，其实都是聋子。 首先，很多人在测多模态能力时，会给它看图片，看视频，但一直忽略了一个点，那就是大模型的听觉。 有很多宣传自己多模态的模型，其实并没有听觉，比如GPT-6、Claude 5.5，你让他们听声音时，他们可能会回得有模有样，但实则把音频偷偷交给其他工具处理，模型本身听不见声音。 但 Gemini 从1.5代开始，就是一个不折不扣的全模态模型，能理解文字、图片、视频、音频等所有文件类型。光说这么多大伙是体会不到它有多离谱的，先来听一段音频吧。 还是很好听出来的，这是Minecraft里的一些经典音效。 我们把这段音效，丢给了同样有音频理解的千问 3.8 Omni 和豆包的Seed 2.1 Lite。千问基本可以说没有猜中的风险，豆包要强一点，听出来了打嗝、机械触发等声音，但没听出来这是游戏音效。 而 Gemini 的表现是轻轻又松松了，一耳朵就听出来这是来自《我的世界》的游戏音效，而且动作对应的也大差不差，更离谱的是这还是个 3.8 Flash ， 哥们拿个 Flash 出来就是大伙无法企及的高度了。 如果你还不服，哎呀这绝对是Gemini运气好，别急，还有更恐怖的。 下面这段音频，我相信只有一小部分差友能听出来。 因为这个真的很冷门，答案是英雄联盟卡莎的皮肤——星之守护者的音效，其实每天打这游戏的人也不一定听得出来，因为不一定有皮肤。 同样地，千问没听出来，Seed 听出来这是游戏音效，可惜猜成了《堡垒之夜》。 但 Gemini 真的给我吓晕了，我就是抱着试试看的心态，没想到真给我猜出来了，不仅定位到了游戏、角色，连皮肤都定位出来了，不是哥们你不会真的玩过吧？ 所以我们已经能下结论了： 在听力这块，Gemini 就是毫无争议的世界第一。 但这，远不是Gemini的上限，因为 Gemini 不仅能听声音，还能赏析声音，对音乐也有自己的理解。 我们让 Gemini 分析了两段音乐，一段是《雨爱司凤版》，一段是《雨爱》杨丞琳版，不知道哪个它听了更通透。 哥们从来没告诉过它这是啥歌儿，文件名也给它改了。结果它一耳朵就听出来，司凤版是AI生成的，还能听出来混音粗糙，音色偏廉价和塑料，只能进军鬼畜区；杨丞琳版明显比活凤版耐听。看完真的想明白了很多事。 更超模的是，Gemini的能力，已经不限于乐评了，你把笔给它，它是真能写，它的作曲能力也是数一数二的。 不同于音乐生成模型 Suno，用Gemini这样的语言模型作曲，是靠调用电脑上的专业软件来进行作曲，跟人类手搓的过程差不多。 我们也测了一下，让它根据著名歌曲《茉莉花》，创作一首钢琴变奏曲，来听一段吧，优雅永不过时。 除了音乐上的理解，Gemini 也是我觉得这个世界上最有人味，最幽默的模型。 相信很多有文字创作需求的大伙，已经被现在的AI折磨得彻底疯狂了，最著名的就是 GPT 在写作时的顶级防御力。 让它做个番茄炒蛋，它得给你做两轮冒烟测试，你不让它往里加红烧肉，它就给你做个 番茄炒蛋（无红烧肉版）， 气笑了。 而且我想玩玩梗，让 GPT 扮演 Claude 和我说话，它真的一点眼力见都没有， Claude怎么能和中国人说话呢？ 但我给Gemini说了同样的话，Gemini一句话没说，直接给我发了个封号邮件。。这幽默感 GPT 一辈子学不来吧？ 至于你问我为什么没测Claude，号刚没。 在解释梗图上，Gemini也是解释得最精准的。 比如说，