Gemini 4 Argon全球上线，跑分碾压GPT-6和Claude，定价只有对手一半。但谷歌内部员工实测吐槽：代码能力平平，被质疑“刷分”。 更微妙的是：它的幻觉率只有15%，但代价是更频繁地说“我不知道”，准确率反而更低。 考试高分 vs 干活靠谱，从来是两码事。你觉得AI该“大胆答”还是“老实说不知道”？ ​