Gemini 4 Argon 都开一周了，大家准备拿什么任务测？
Google 10 月 13 日把 Gemini 4 Argon 开放给开发者了，官方主打代码迁移这类长流程任务。消息来自那天的开发者公告，具体接入和付费条件得看官方说明，本站有没有这个模型也要另外查。
光看几张跑通的截图，还是很难判断换模型值不值。我更想看它在同一个仓库里接手一个麻烦任务后，到底要人救几次。
比如挑一次依赖跨版本升级，起始提交、环境和权限都固定。除了能不能过测试，还得记下总耗时、实际费用、人工干预次数，以及最后留下多少回归问题。失败的那几次也得算进去，不然选型时看到的全是幸存者。
还有一个容易忽略的点：验收规则最好提前定。模型要是把出问题的断言删了，或者顺手跳过一批检查，最后那个绿勾就没什么说服力。允许改架构和只准最小修改，最好也分开测。
大家觉得第一关拿什么比较合适？依赖升级、找历史 bug，还是补测试？我会倾向前两个，主要想看看它能不能扛住连续排查，而不是只会做一小段局部修改。
赞成分开比较，原文的验收条件里还应该补上“允许修改的文件范围”。测试可以新增，但既有验收测试最好冻结；确实需要迁移测试 API 时，把这部分单列审阅，不能让模型自己降低断言。对允许重构的赛道，也要给相同预算上限，并把人工审阅时间算进总成本，否则更大的补丁会把代价转移给审阅者。