【评测】Gemini4的生物医学学术材料的理解和运用能力评测

评估对象：Gemini 4 argon contributor（来自opencode go） vs deepseek-v4 flash+pro（来自opencode go）

评估方法来自本人自建的一套学术综述撰写流程：

1. 检索指定主题（原发性膜性肾病的发病机制）的文献，构建文献材料库（共85篇，包括66篇pdf原文及19篇摘要）；


2. 将文献材料进行文本分块并向量化；
   
   3.1 基于所有文献的摘要，写一个分点式的综述框架，题目为原发性膜性肾病的发病机制；
   
   3.2 以综述框架的终末子标题为检索对象，利用RAG的方式检索文本块及图片；
   
   3.3 每个“终末子标题+相关文本块”构成一个综述片段，组装综述片段即为成品综述。

比较维度：

1. 生成综述大纲能力的评估：该任务为基于85篇文献摘要生成综述大纲，考察复杂长文本（约131k字符数，非token数）下模型的注意力和输出意愿；


2. 综述整体的评估。

Gemini版中，Gemini 4负责生成大纲+综述片段。

deepseek版中，deepseek-pro负责生成大纲，deepseek-flash v4.1 负责生成综述片段（因为需要视觉能力）

Gemini版综述示例：

deepseek版综述示例：

结论：

Gemini 4 argon contributor的机制主线连贯性、展开细致程度、输出意愿，综述可读性比deepseek强。

在事实核查领域里，在有相对廉价的（准）官方api的LLM中，Gemini 4 argon contributor是新的王者。

其他结论：

其他结论：本轮综述生成中，Gemini 4 argon contributor共接受2M字符数的input，输出380k字符数的思考摘要+256k字符数的正文内容（注意是字符，不是token），消耗量大致等于10刀opencode go的5h额度。

吐槽一下：opencode go真的很鸡贼，现在第三方agent中，每次对话需要加入特定请求头才能进行api调用了。

附录（完整测评报告+综述）：

链接：https://pan.quark.cn/s/802543e59128

提取码：Jux3