Google 推出 Gemini-exp-1121：编程与视觉表现超 GPT-4o 约 20%

很多大语言模型都有个让人头疼的毛病：偏科。写代码厉害的模型可能看不懂设计草图，视觉理解强的解数学题又经常胡说八道。

Google 开发者关系负责人 Logan Kilpatrick 在 X 上公布了最新的实验模型 Gemini-exp-1121。

从公布的数据来看，Google 这次几乎是把矛头直接对准了 OpenAI 的 GPT-4o。在编程、数学推理和视觉理解三个核心领域，Gemini-exp-1121 的基准测试表现高出了大约 20%。

专治「偏科」的全能底座

要让一个模型同时把代码、视觉和逻辑推理解明白，难度并不低。

技术细节上，Google 优化了底层的 Transformer 架构，并引入了更高级的检索机制，让模型能结合实时数据进行学习，尽量避免知识过时。

在写代码方面，它不是简单背语法题，而是用各种主流语言和框架的真实编程数据进行了深度微调。

在数学推理上，模型加强了深层上下文分析能力，面对复杂的多步逻辑题时更有耐心，也更少出现推导出错的情况。

视觉方面则依赖原生多模态架构，直接同时吞吐文字和图片。最典型的用法，就是直接扔给它一张手绘的设计草图，让它一气呵成生成对应的实现代码。

从画草图到自动化工作流

过去如果你想用 AI 做界面开发，通常要把工作拆成两截：先让视觉模型看懂按钮在哪里，再让代码模型来写样式和交互，中间来回倒腾很容易丢细节。

Gemini-exp-1121 这类多模态能力的提升，让很多自动化工作流变得简单顺手了。

Google 的测试表明，该模型在基准问题上的输出正确率提升了 20% 左右，同时能给出更精准的视觉描述与上下文推断。

对于需要兼顾视觉界面和后台代码的企业团队来说，从产品原型设计到代码生成的链路缩短了不少。

除了应用开发，这种具备较强复杂逻辑推断的能力，在科研计算和教育辅助场景里也有很大的想象空间。

为什么重要

我们认为，Google 这次走了一步非常扎实的贴身肉搏棋。

对开发者和产品经理来说，如果你平时的活儿经常要在原型图、流程图和前端代码之间来回切换，这个模型非常值得现在就去试一试。在日常开发里，20% 的正确率提升意味着你能少修不少低级 bug，省下大量调试时间。

但它看起来也有明显的局限。名字里的「exp」代表它依然是个实验性版本，Google 并没有给出长期支持承诺，配额和 API 稳定性可能会变动，现阶段拿它当正式生产环境的基底还为时过早。

在行业层面，这说明大模型竞争的门槛正在迅速提高。单一跑分优秀的模型越来越不够看，市场真正需要的是能把视觉、代码和长链条逻辑推演揉在一起的通用多模态架构。这无疑会倒逼 OpenAI 加快下一代旗舰模型的迭代节奏，GPT-4o 在开发者心智里的绝对优势正在被一点点蚕食。