Gemini 4 Argon 没有官方人格说明。“Eureka”和“自我批评”是发布周一则未经验证的轶闻中使用的标签，据称来自 FrontierSWE 评测人员。它们描述的是据报道的表达风格，不是代码质量。
来源：Google DeepMind。这是模型发布卡片，不是关于其对话风格或人格的证据。
当时报告了什么？
这个观察被归因于 @nrehiew_；原帖无法验证，因此没有可引用的逐字记录。两个标签是：
| 报道中的标签 | 可能对应的观察 | 它不能证明什么 |
|---|---|---|
| “Eureka” | 编程过程中被注意到的一个词 | 更高的分数或更好的推理能力 |
| “Self-critical” | 对模型自身工作较为苛刻的语言 | 诊断结论或可靠的自我纠错 |
应把这两个词当作寻找一则轶闻的搜索词，而不是已经验证的产品事实。
表达风格不等于正确性
模型可以听起来很自信或很犹豫，但生成的补丁既可能正确，也可能错误。应把语气与结果一起比较：
- 每次改动后运行项目测试和类型检查。
- 如果任务涉及界面，检查渲染后的 UI 行为和无障碍表现。
- 记录自我批评最终带来了正确修复、不必要的重写，还是没有变化。
这些检查测量的是正确性和恢复能力，与说话风格是两件事。
FrontierSWE 是背景，不是人格证明
FrontierSWE V2 榜单在 proximus harness 中报告 Argon 的 mean@5 为 55.0%：34 个任务、每项 5 次试验、20 小时预算。同一设置下，Astra 为 65.5%，Opus 5.5 为 62.3%。这些成绩不能验证 Argon 多常说“Eureka”，也不能验证自我批评是否改进了补丁。
Google 的 Argon 公告介绍了能力和分阶段访问，而不是官方说话风格。
延伸阅读
gemma4 — interact
