推文

@GeekCatX · 2026-10-14 01:11

兄弟们，看完海外大神这个实测，我敢说： 这次在真正的“原生多模态”上，Gemini 彻底杀回王座了！ 他的原话极其震撼： “Gemini 4 Argon 是第一个让我同时感觉它 ‘既是图像、又是视频、又是语言模型’ 的存在。” 最炸裂的不是他的吹捧，而是甩出来的证据链： 他整条推特里展示的 534 幅审美极其克制、质感拉满的艺术画作—— 全部是用纯代码写出来的（Everything is made with code）！ 大厂写了这么多年代码，老哥必须跟兄弟们拆穿这背后的底层代差： 1️⃣ 以前的多模态： 缝合怪拼积木 以前所谓的“多模态”，基本是把语言模型、文生图模型、视频模型强行串联。 抽卡全凭玄学，控图全靠运气，想用代码微调一下画面，稍微改动一行就彻底崩溃。 2️⃣ 现在的 Argon： 同一个大脑在调度三界 它不是在瞎猜像素，而是把色彩空间、几何透视、构图美学全部理解透了，再精准翻译成底层渲染代码。 语言、代码、视觉，在同一个神经元网络里同时震荡。 3️⃣ 534 幅源码全开源，官方高管亲自站台 Logan Kilpatrick 亲自在下面点赞互动。 敢把整整 534 套作品的背后代码全盘公开，说明这根本不是偶尔碰运气的“樱桃采摘（Cherry-pick）”，而是工业级的稳定交付。 别再把多模态当成“能看懂截图回答两句”的聊天玩具了。 当一个模型能把绝对理性的严谨代码和极度感性的视觉审美无缝焊在一起时，传统文生图的饭碗真的要被掀翻了。 534 套源码直通车老哥放一楼了。 兄弟们觉得这种“纯代码渲染”的原生多模态，会不会是未来设计的终局？评论区开麦聊聊👇 https://x.com/kickingkeys/status/2110037855452180633/video/1

曝光 127 · 评论 1 · 点赞 0 · 书签 0