REA「逆向一切」實測：Gemini 4 Argon和GLM 5.3 復刻故宮名畫記，細節決定還原度

逆向工具可以幫模型找出軟件的結構與行為，但哪些功能該保留、哪些細節不能省，仍要由模型判斷。作者丨吳海明 編輯丨李娜 岑峰 01軟件已死？AI開始逆向復刻顯示世界“Software is done.（軟件已死）。”10 月初，知名 AI 科技博主 Matthew Berman 在 X 上留下這句驚歎，將一款名為 REA（Reverse Engineer Anything）的開源逆向分析工具推上了風口浪尖。

REA（Reverse Engineer Anything）是 10 月 GitHub 上最熱的項目之一，它的可怕之處在於，它為 AI Agent 賦予了“反彙編”的視野，將 AI 編程的目標直接擴展到了現成軟件。它把二進制、應用與運行行為的分析能力，通過統一接口交給 Agent：原生程序可接 Ghidra、IDA、Hopper 等引擎，網頁則可檢查結構、腳本、網絡與截圖。分析結果附帶證據和已知限制，供模型追查。它吸引人的地方，是把研究現成軟件接進了編碼會話，使開發者看到一個功能，可以要求 Agent 調查組件與（）行為，再把發現寫進實現規格。

這使得過去要人工來回傳遞的材料，在現在有機會在同一任務裡繼續使用。這極大地降低了逆向工程的門檻。10 月 16 日，Perplexity 聯合創始人兼 CEO Aravind Srinivas 宣佈把 REA Skill 集成進 Computer，並給出體驗額度，這使得逆向分析開始被當作 Agent 產品的功能之一；緊接著就有開發者演示如何用 Codex 與 REA 重建了功能接近完整的 Claude Slides 編輯器。狂歡之中也不乏冷水。有媒體和行業觀察者尖銳地指出：查出線索，和完美重建一個能長期維護的軟件，中間還隔著一條巨大的鴻溝。這會不會又是一場“AI 幻覺”？

02工具再神，還得看“人”面對爭議，我們必須意識到一個工程真相：用工具找線索，和用代碼重建系統，從來都不是一回事。REA 就像是一臺強悍的“X光機”，它能把現有軟件的骨架照得一清二楚，把數以萬計的 DOM 節點、零散的 API 接口以及雜亂的底層腳本，一股腦地堆在你面前。但這充其量只是一份未經修飾、且可能充滿陷阱的“建築圖紙”。面對如此龐大的上下文信息，究竟能把圖紙一比一還原成運轉精密的“摩天大樓”，還是草草蓋出一個只剩空殼的“漏風茅草屋”？這一切，完全取決於負責幹活的“施工隊”，也就是大模型本身在長文本信息過濾、代碼架構理解以及多步邏輯推演上的硬實力。

工具再神，終究還得看背後是哪顆“大腦”在操盤。恰逢此時，沉寂了一段時間的 Google 帶著新一代旗艦推理模型 Gemini 4 Argon 重磅迴歸。這款模型毫不掩飾其野心，將矛頭直指複雜軟件工程、專業知識工作和需要連續調用工具的長程 Agent 任務；而在國產大模型陣營中，GLM 5.3 近期同樣在代碼生成與長上下文處理上展現出了極強的統治力。一邊是爆火出圈的逆向“神器”，一邊是宣稱代碼智商大幅躍升的中外頂級大模型。如果把同樣的圖紙交給它們，會發生什麼？帶著這個問題，我們在 OpenCode 中配合 REA 與 Reverse-skill，讓 Gemini 4 Argon 和 GLM 5.

3 分別拆解、復刻故宮博物院的線上名畫鑑賞平臺“故宮名畫記”。這個網站不僅收錄了上千幅古代繪畫，還支持高清縮放、作品篩選和詳細信息查看，並不只是一個簡單的圖片展示頁面。故宮名畫記網站首頁REA 與 Argon 的交匯，讓 AI 編程多了一項應用場景：調查現成軟件、重建已有功能。同時，這也將進一步改變行業分工：軟件公司的競爭壓力會進一步落到數據、服務和持續維護上；模型廠商則必須證明，自己的模型能把分析線索變成可靠交付。03同一條 REA 路徑，Argon 貼近原站，GLM 5.

3 改了骨架本次測試的對象鎖定在故宮名畫記，核心是讓模型逆向復刻該網站的作品展示功能，同時，不涉及登錄、收藏提交、評論和完整標註服務。在名畫記的原始網站裡，作品列表有朝代、作者、流派和題材篩選，點擊作品可以進入詳情，打開詳情頁；進入其中，縮放、拖動、導航圖和信息面板，都需要在連續操作後保持合理狀態。為了更直觀地觀察模型的能力，我們選擇 GLM 5.3 作為 Gemini 4 Argon 的對照模型，讓兩個模型都使用 REA 對站點的功能進行觀察和分析，然後使用 Reverse-skill 對站點進行逆向還原，最後讓模型完成測試後給出複製版的名畫記網站。

先看 Gemini 4 Argon 駕馭 REA 的表現。從首頁截圖來看，它保住了名畫記的頁面骨架，與官方一致的地方包括三列作品佈局、四項篩選、清空選項、作品題名、作者與尺寸信息。頁頭紋理被簡化，字體與留白也有差別，但頁面的主次關係沒有被重新安排。Gemini 4 Argon 復刻名畫記的作品展示頁首頁進一步，從下圖可以看出，對比左側的原站，右側復刻版本的頂部導航、篩選區和卡片文字的位置基本一一對應。儘管圖片換成了幾何圖案，但仍能看出模型在沿用原站的結構，而非另做一個通用畫廊。

Gemini 4 Argon 復刻版本與原站對比（左側：原站，右側：復刻版）進入詳情頁，復刻版也保留了頂部橫幅、居中作品信息、查看細節入口與相關推薦。不過，從細節來看，按鈕和文字樣式沒有完全對齊，復刻版大致還原來原站的功能設計和內容，但細節上沒有做到完全一致。Gemini 4 Argon 復刻版本與原站在作品詳情頁對比（左側：原站，右側：復刻版）整體來看，Gemini 4 Argon 組合，很好地完成了對名畫記站點中作品展示功能的復刻，核心功能和細節設計都有對應。作為對照組的 GLM 5.

3 同樣做出了“作品列表—詳情—看畫”的瀏覽路徑，但列表一打開，復刻方向略有不同：三列卡片變成四列，淺色頁面鋪成棕色，原站的大塊篩選區消失了。意外的是，模型在頁頭明確註明這是使用本地測試圖的最小瀏覽流程版本。GLM 5.3 復刻名畫記的作品展示頁首頁進一步對比原站可以發現，四項篩選、頂部入口、卡片收藏圖標都未出現在對應位置，GLM 5.3 的復刻版本顯然對站點的結構作出了極大的改變。GLM 5.3 復刻版本與原站對比（左側：原站，右側：復刻版）進入詳情頁，發現改動更大：原站頂部大圖、居中題名與介紹區的組織方式，被替換成白色內容框；查看細節和相關推薦尚在，但整頁已經更接近一套精簡的瀏覽原型。

GLM 5.3 復刻版本與原站在作品詳情頁對比（左側：原站，右側：復刻版）整體來看，儘管 GLM 5.3 完成了逆向復刻版，但仍與實際原站存在較大差異。總之，兩次運行交出了可以繼續迭代的版本，就逆向還原效果來看，Gemini 4 Argon 更接近原站，GLM 5.3 保留了瀏覽流程，卻省略和改寫了多處細節。04Argon 重返旗艦競爭：榜單亮眼，編程能力仍有起伏再來看看 Gemini 4 Argon。

9 月 30 日，Google 宣佈將 Argon 向受信任的網絡安全合作方開放，並在 10 月 13 日擴大到開發者 API 及相應訂閱產品，重點用途包括複雜軟件工程、專業知識工作和多步 Agent。Google 對 Argon 的首次公告截圖可以發現，Google 要爭取的是願意把長任務交給模型的開發者，榜單給了 Argon 積極信號。按 Artificial Analysis（AA）榜單的智能指數，Argon 的 high 檔與 GPT-6 Astra、Fable 5.1 的 max 檔同分（取整後都是 53 分），排在前面的是 Opus 5.5 的 58 分和 Sonnet 5.

5 的 56 分。這意味著 Argon 已有理由進入旗艦候選。AA 榜單中 Argon 獲得 53 分另外，從 Google 發佈的模型評測結果來看，更加細緻解讀了 AA 榜單分數：1.最醒目的是知識工作，Argon 的四項成績全部領先：AutomationBench 為 51.3%，高於 Astra 的 41.4% 和 Opus 的 42.5%；金融 Agent 測試為 65.4%。這與 Box 的積極評價一致，也給了 Google 爭取企業複雜工作流的理由。2.長上下文場景則是另一項優勢，面對 GraphWalks 的 25.

6 萬至 100 萬 Token 評測，Argon 的 F1 得分為 84.2%，Astra 為 71.8%，Opus 為 66.8%。這說明 Argon 擅長在長上下文中追蹤圖結構關係，能夠在讀入大量信息後還能否推理。3.編程成績則有明顯起伏，Argon 在 DeepSWE 和 Vibe Code Bench 上分別拿到 77.9%、91.9%，領先表中對手；換到 FrontierSWE，55.0% 的成績低於 Astra 的 65.5%；Terminal-Bench 4.0 也以 57.4% 落後於 Opus 的 66.4%。

這些差異說明，Argon 的編程能力會受到任務類型和工具環境的影響。Google 官方報道的 Argon 評測成績總的來說，Argon 更合適的行業定位，是知識工作與長上下文見長、具備頭部編程競爭力的通用旗艦。因此，Google 已有理由重回旗艦競爭，開發者也多了一個值得認真試用的選擇。05榜單贏來試用，交付才能留人目前，工具鏈的能力在拉平，而模型能力則在分化。REA 把逆向分析的門檻降了下來，同一個站點，兩個模型都能拆解、重建，差距集中出現在交付這一層：Argon 保留了篩選區和三列卡片，GLM 5.3 把結構簡化成自己理解的樣子。

兩組結果都能打開，也都能走完“列表、詳情、看畫”的瀏覽路徑，差別藏在細節裡。Argon 的版本沿用了原站的主次關係，四項篩選、三列布局、詳情頁橫幅與相關推薦一一對應；GLM 5.3 的版本更接近一套精簡原型，篩選區消失，詳情頁換成了白色內容框。能運行和還原到位之間，隔著的正是這些容易被忽略的對應關係。REA 能做的，是把調查環節搬進編碼會話：結構、腳本、網絡、截圖都能追查，分析結果附帶證據和已知限制。它降下的是看懂一個軟件的門檻，分析出的線索，距離可靠替代一個產品還有距離。

DeepTech 把理解機制、重寫功能、可靠替代分成三個層次，大器觀察干脆質疑這是又一場 AI 幻覺，兩種聲音提醒的是同一件事：能跑起來的頁面，不等於能長期維護的軟件。通用功能更容易被重做，靠功能收費的產品開始承壓。名畫記這類展示型站點已經被複刻得七七八八，單純的頁面功能越來越難單獨定價。用戶願意持續付費買到的，是兼容性、數據服務與長期維護，這些需要長期投入的東西，會越來越成為決定去留的籌碼。對 Google 而言，53 分 已經足以讓 Argon 重回旗艦候選的位置。名畫記的逆向復刻，是這份能力在真實站點上的證明：Argon 在基準測試裡拿分，面對具體站點也交出了貼近原站的交付。

榜單贏來的試用，最終要靠一次次合格交付留下來，未來，誰能在長任務裡把交付穩穩送到終點，誰才真正留在牌桌上。點擊 關鍵詞 查看對應實測內容AI 產品評測 AgnesCode丨飛豬 AIWorkBuddy更多 AI 產品評測多模態評測vivago R1Seedance 2.5 vs 可靈 3.0Minimax H3 vs Seedance 2.0 Fast更多多模態評測基模評測Qwen3.8-27B丨GLM 5.3GPT‑6 Astra、Fable 5.

1 和 Sol更多基模評測上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！公眾號轉載請先在「AI科技評論」後臺留言取得授權，轉載時需標註來源並插入本公眾號名片。