Google 推出 Gemini-exp-1121：程式設計與視覺表現超 GPT-4o 約 20%

很多大語言模型都有個讓人頭疼的毛病：偏科。寫程式碼厲害的模型可能看不懂設計草圖，視覺理解強的解數學題又經常胡說八道。

Google 開發者關係負責人 Logan Kilpatrick 在 X 上公佈了最新的實驗模型 Gemini-exp-1121。

從公佈的資料來看，Google 這次幾乎是把矛頭直接對準了 OpenAI 的 GPT-4o。在程式設計、數學推理和視覺理解三個核心領域，Gemini-exp-1121 的基準測試表現高出了大約 20%。

專治「偏科」的全能底座

要讓一個模型同時把程式碼、視覺和邏輯推理解明白，難度並不低。

技術細節上，Google 優化了底層的 Transformer 架構，並引入了更高階的檢索機制，讓模型能結合即時資料進行學習，儘量避免知識過時。

在寫程式碼方面，它不是簡單背語法題，而是用各種主流語言和框架的真實程式設計資料進行了深度微調。

在數學推理上，模型加強了深層上下文分析能力，面對複雜的多步邏輯題時更有耐心，也更少出現推匯出錯的情況。

視覺方面則依賴原生多模態架構，直接同時吞吐文字和圖片。最典型的用法，就是直接扔給它一張手繪的設計草圖，讓它一氣呵成生成對應的實現程式碼。

從畫草圖到自動化工作流

過去如果你想用 AI 做介面開發，通常要把工作拆成兩截：先讓視覺模型看懂按鈕在哪裡，再讓程式碼模型來寫樣式和互動，中間來回倒騰很容易丟細節。

Gemini-exp-1121 這類多模態能力的提升，讓很多自動化工作流變得簡單順手了。

Google 的測試表明，該模型在基準問題上的輸出正確率提升了 20% 左右，同時能給出更精準的視覺描述與上下文推斷。

對於需要兼顧視覺介面和後臺程式碼的企業團隊來說，從產品原型設計到程式碼生成的鏈路縮短了不少。

除了應用開發，這種具備較強複雜邏輯推斷的能力，在科研計算和教育輔助場景裡也有很大的想像空間。

為什麼重要

我們認為，Google 這次走了一步非常紮實的貼身肉搏棋。

對開發者和產品經理來說，如果你平時的活兒經常要在原型圖、流程圖和前端程式碼之間來回切換，這個模型非常值得現在就去試一試。在日常開發裡，20% 的正確率提升意味著你能少修不少低階 bug，省下大量除錯時間。

但它看起來也有明顯的侷限。名字裡的「exp」代表它依然是個實驗性版本，Google 並沒有給出長期支援承諾，配額和 API 穩定性可能會變動，現階段拿它當正式生產環境的基底還為時過早。

在行業層面，這說明大模型競爭的門檻正在迅速提高。單一跑分優秀的模型越來越不夠看，市場真正需要的是能把視覺、程式碼和長鏈條邏輯推演揉在一起的通用多模態架構。這無疑會倒逼 OpenAI 加快下一代旗艦模型的迭代節奏，GPT-4o 在開發者心智裡的絕對優勢正在被一點點蠶食。