Gemini 4 实测：benchmark 亮眼，编程与知识工作仅列第三

法学教授 Harry Surden 的个人实测显示，Google Gemini 4 系列虽 benchmark 成绩亮眼，但在编程与知识工作上仍仅列第三。其结果落后于 Anthropic 的 Claude Fable 5.2 与 Opus 5.5，也低于 OpenAI 的 GPT-6 Astra；他认为 Opus 5.5 领先明显。