Gemini 4 Argon 沒有官方人格說明。「Eureka」與「自我批判」是發布週一則未經驗證的軼聞中使用的標籤，據稱來自 FrontierSWE 評測人員。它們描述的是據報導的表達風格，不是程式碼品質。
來源：Google DeepMind。這是模型發布卡片，不是關於其對話風格或人格的證據。
當時報告了什麼？
這個觀察被歸因於 @nrehiew_；原文無法驗證，因此沒有可引用的逐字紀錄。兩個標籤是：
| 報導中的標籤 | 可能對應的觀察 | 它不能證明什麼 |
|---|---|---|
| 「Eureka」 | 程式開發過程中被注意到的一個詞 | 更高的分數或更好的推理能力 |
| 「Self-critical」 | 對模型自身工作較為苛刻的語言 | 診斷結論或可靠的自我修正 |
應把這兩個詞當作尋找一則軼聞的搜尋詞，而不是已經驗證的產品事實。
表達風格不等於正確性
模型可以聽起來很有自信或很猶豫，但產生的修補檔既可能正確，也可能錯誤。應把語氣與結果一起比較：
- 每次改動後執行專案測試和型別檢查。
- 如果任務涉及介面，檢查渲染後的 UI 行為和無障礙表現。
- 記錄自我批判最後帶來正確修正、不必要的重寫，還是沒有變化。
這些檢查測量的是正確性和恢復能力，與說話風格是兩件事。
FrontierSWE 是背景，不是人格證明
FrontierSWE V2 榜單在 proximus harness 中報告 Argon 的 mean@5 為 55.0%：34 個任務、每項 5 次試驗、20 小時預算。同一設定下，Astra 為 65.5%，Opus 5.5 為 62.3%。這些成績不能驗證 Argon 多常說「Eureka」，也不能驗證自我批判是否改進了修補檔。
Google 的 Argon 公告介紹了能力與分階段存取，而不是官方說話風格。
延伸閱讀
gemma4 — interact
