在矽谷的技術圈子裡，看 Google 演示 AI 就像看一場排練過度卻總在關鍵時刻掉鏈子的舞台劇。最新的 Gemini Live 演示視頻裡，號稱最先進的模型在眾目睽睽之下，輸給了西洋棋中最基礎的將死套路。這不是技術失誤，這簡直是一種行為藝術。當一個模型宣稱具備 Extended Thinking（長時思考）能力，卻連業餘棋手都能一眼看穿的殘局都處理不了時，我們不得不重新審視，Google 所謂的「思考」到底是在計算邏輯，還是在虛擬的神經網絡裡漫無目的地散步。
這種幻覺並非個案。當你在 Gemini 的 API 界面調試一個複雜的 JSON 提取任務時，你會發現它在處理超過 15 個嵌套欄位時，邏輯鏈條會莫名其妙地斷裂。相比之下，GPT-4o 在同樣的壓力測試下，雖然語氣顯得生硬且充滿說教感，但至少能保證結構的完整。Google 的問題在於，他們似乎太過於沈溺於「擬人化」的表象。Gemini Live 的語音交互確實比 ChatGPT 那種帶著電流聲、時不時發出奇怪鼻音的冷冰冰語氣要自然得多，它更像一個會呼吸、有情緒的人類對話者。但遺憾的是，在目前的技術語境下，我們需要的是一個精準的計算引擎，而不是一個連棋都下不好的聊友。
技術層面的斷層感在 Google Workspace 的企業訂單中體現得尤為明顯。很多企業用戶發現自己還被困在舊版本的 Flash 迷宮裡，而官方宣傳的 3.8 系列依然像海市蜃樓一樣掛在遠方。這種產品迭代的混亂感，反映出 Google 在模型部署路徑上的猶豫。他們既想維持大模型的參數優勢，又想在端側推理上佔據先機，結果卻是兩頭不到岸。當你嘗試用 Gemini 處理 8 萬 token 以上的長文本分析時，那種注意力衰減的速度快得令人心驚，它會開始編造一些原文中根本不存在的細節來填充記憶的空白，這在法律或醫療等嚴肅場景下簡直是災難。
這種性能上的搖擺，在與其他競爭者的橫向對比中顯得更加刺眼。相較於 Qwen 3.8 Omni Flash 的發布節奏與市場定位，Google 在 Gemini 上的資源傾斜顯然更偏向於雲端生態的整合與語音交互的平滑度。Claude 3.5 Sonnet 在代碼編寫和邏輯推理上的穩定性，目前依然是 Gemini 難以企及的高山；而 Grok 則靠著對實時數據的暴力檢索，在時效性上佔據了一席之地。Google 擁有的優勢是其無與倫比的文筆。Gemini 產出的文本是目前四大平台中最接近人類文學水平的，它不會像 ChatGPT 那樣動不動就「深入探討」或「值得注意的是」，它有一種自發的、流動的敘事感。但這種文藝氣質在面對邏輯硬傷時，反而更像是一種掩飾。
在最近的一次多模態任務測試中，Gemini 對圖像細節的識別能力確實有所提升，但在跨模態的推理鏈條上，它依然顯得力不從心。如果你給它一張電路圖並要求它診斷故障點，它可能會用非常優美的語言描述電路的構造，然後給出一個物理學上完全錯誤的結論。這就是目前 Google 的困境：它創造了一個世界上最會說話的 AI，卻還沒能給這個 AI 裝上一顆足夠理性的心臟。相較於 Qwen 3.8 Omni Flash 在特定任務下的反應速度，Gemini 在處理複雜邏輯任務時的延遲感與不確定性，讓開發者在選擇生產力工具時感到遲疑。
我們是否已經進入了一個「性能溢出但邏輯停滯」的怪圈？當所有的 AI 廠商都在追求更自然的語音、更快的推理速度以及更長的上下文窗口時，最基礎的邏輯推理能力——那種能讓 AI 不在西洋棋基礎殘局中丟臉的能力，是否被當作了可以犧牲的代價？如果一個模型能夠寫出莎士比亞風格的詩，卻算不清楚三位數的乘法，或者看不出最簡單的棋局陷阱，我們真的能稱它為「智慧」嗎？還是說，我們其實只是在製造一種更高級的、充滿文藝氣息的隨機數生成器？當下一次 Gemini 更新到 4.0 甚至更高版本時，它會學會先看清楚棋盤再開口說話嗎？