Box 实测：Gemini 4 Argon 企业任务大幅
来自 Aaron Levie · 期号 2026-10-14
摘要
Box CEO Aaron Levie 分享了公司对 Gemini 4 Argon 的实测结果。 在 Box AI 复杂工作流评测中，Gemini 4 Argon 比上一代 Gemini 3.1 Pro 平均提升 14 个百分点，达到前沿水平。评测任务涵盖金融、医疗、科技、能源、消费品等多个行业的企业文档分析。 具体案例： - 金融服务（+18 点）：Gemini 4 能按指定格式逐项拆解预计报表，包括银行贷款利息和每年透支额；3.1 Pro 则将利息合并为一个数字。 - 医疗（+25 点）：两个模型都发现了危险的血钾水平和药物相互作用，但只有 Gemini 4 从最终方案中移除了冲突药物。 - 科技（+37 点）：Gemini 4 正确提取了用户留存和人均数据，并指出应优先优化北美市场；3.1 Pro 多次拉错行，甚至报告留存率超过 100%。 - 能源（+16 点）：Gemini 4 始终能发现数据中心智能电表日志在 11 月中断；3.1 Pro 经常遗漏。 - 消费品（+33 点）：Gemini 4 发现现有库存可填补早期产能缺口，使较小规模的扩产方案可行；3.1 Pro 默认选择了更大规模的方案。 Levie 认为，Gemini 4 在数学、逻辑、分析和商业领域知识上都有巨大飞跃，且更倾向于完整完成任务而不半途而废。 Gemini 4 Argon 即将在 Box AI Studio 中开放，供用户构建自定义 Box Agent。
深读
导读 Box CEO Aaron Levie 分享了公司对 Gemini 4 Argon 在企业文档分析场景的实测结果。在覆盖金融、医疗、科技等多个行业的复杂工作流评测中，Gemini 4 Argon 比上一代 Gemini 3.1 Pro 平均提升 14 个百分点，达到前沿水平。对于关注企业级 AI 落地效果、特别是文档密集型任务的人，这份来自真实客户场景的对比数据很有参考价值。 关键信息 - 评测任务由 Box Agent 执行，涉及金融、医疗、科技、能源、消费品等多个行业的企业文档分析，模拟知识工作者日常的复杂工作。 - 整体平均提升 14 个百分点，Gemini 4 Argon 在数学、逻辑、分析及多个商业领域的深度知识上均有显著进步。 - 金融服务案例（+18 点）：Gemini 4 能按指定格式逐项拆解预计报表，包括银行贷款利息和每年透支额；3.1 Pro 则将利息合并为一个数字。 - 医疗案例（+25 点）：两个模型都发现了危险的血钾水平和药物相互作用，但只有 Gemini 4 从最终方案中移除了冲突药物。 - 科技案例（+37 点）：Gemini 4 正确提取了用户留存和人均数据，并指出应优先优化北美市场；3.1 Pro 多次拉错行，甚至报告留存率超过 100%。 - 消费品案例（+33 点）：Gemini 4 发现现有库存可填补早期产能缺口，使较小规模的扩产方案可行，实现更早上市和更快回本；3.1 Pro 则默认选择了更大规模的扩产方案。 逐节讲解 评测背景与整体表现 Box 使用自己的 Box AI Complex Work 评测集，让 Box Agent（后端调用 Gemini 4 Argon）执行一系列跨行业的企业文档分析任务。这些任务近似知识工作者每天面对的高难度、耗时的内容处理工作。Gemini 4 Argon 在所有测试中平均比 Gemini 3.1 Pro 提升 14 个百分点，达到前沿水平。Levie 特别指出，Gemini 4 在完成任务时更努力，不会在半路停下，这对依赖稳健执行的企业工作流至关重要。 五个行业案例详解 Levie 按行业逐一给出了具体对比： - 金融服务（+18 点）：为一家家族企业做资金缺口分析。简报要求逐项拆解预计报表，包括银行贷款利息和每年透支额。Gemini 4 完全按规格构建，每一行都拆开并最终算出资金缺口；3.1 Pro 则将利息合并为一个数字。 - 医疗（+25 点）：制定重症监护管理方案。两个模型都发现了危险的血钾水平和药物相互作用，但只有 Gemini 4 回到方案中移除了冲突药物，使最终方案与诊断一致。 - 科技（+37 点）：产品绩效评估，决定优先优化哪个区域市场的云基础设施。Gemini 4 正确提取了当月的用户、留存和人均数据，并正确标记了北美市场。3.1 Pro 多次拉错行，一…