REA「逆向一切」实测：Gemini 4 Argon和GLM 5.3 复刻故宫名画记，细节决定还原度

逆向工具可以帮模型找出软件的结构与行为，但哪些功能该保留、哪些细节不能省，仍要由模型判断。

作者丨吴海明

编辑丨李娜 岑峰

01

软件已死？AI开始逆向复刻显示世界

“Software is done.（软件已死）。”

10 月初，知名 AI 科技博主 Matthew Berman 在 X 上留下这句惊叹，将一款名为 REA（Reverse Engineer Anything）的开源逆向分析工具推上了风口浪尖。

REA（Reverse Engineer Anything）是 10 月 GitHub 上最热的项目之一，它的可怕之处在于，它为 AI Agent 赋予了“反汇编”的视野，将 AI 编程的目标直接扩展到了现成软件。它把二进制、应用与运行行为的分析能力，通过统一接口交给 Agent：原生程序可接 Ghidra、IDA、Hopper 等引擎，网页则可检查结构、脚本、网络与截图。分析结果附带证据和已知限制，供模型追查。

它吸引人的地方，是把研究现成软件接进了编码会话，使开发者看到一个功能，可以要求 Agent 调查组件与行为，再把发现写进实现规格。这使得过去要人工来回传递的材料，在现在有机会在同一任务里继续使用。

这极大地降低了逆向工程的门槛。10 月 16 日，Perplexity 联合创始人兼 CEO Aravind Srinivas 宣布把 REA Skill 集成进 Computer，并给出体验额度，这使得逆向分析开始被当作 Agent 产品的功能之一；紧接着就有开发者演示如何用 Codex 与 REA 重建了功能接近完整的 Claude Slides 编辑器。

狂欢之中也不乏冷水。有媒体和行业观察者尖锐地指出：查出线索，和完美重建一个能长期维护的软件，中间还隔着一条巨大的鸿沟。这会不会又是一场“AI 幻觉”？

02

工具再神，还得看“人”

面对争议，我们必须意识到一个工程真相：用工具找线索，和用代码重建系统，从来都不是一回事。

REA 就像是一台强悍的“X光机”，它能把现有软件的骨架照得一清二楚，把数以万计的 DOM 节点、零散的 API 接口以及杂乱的底层脚本，一股脑地堆在你面前。但这充其量只是一份未经修饰、且可能充满陷阱的“建筑图纸”。

面对如此庞大的上下文信息，究竟能把图纸一比一还原成运转精密的“摩天大楼”，还是草草盖出一个只剩空壳的“漏风茅草屋”？这一切，完全取决于负责干活的“施工队”，也就是大模型本身在长文本信息过滤、代码架构理解以及多步逻辑推演上的硬实力。工具再神，终究还得看背后是哪颗“大脑”在操盘。

恰逢此时，沉寂了一段时间的 Google 带着新一代旗舰推理模型 Gemini 4 Argon 重磅回归。这款模型毫不掩饰其野心，将矛头直指复杂软件工程、专业知识工作和需要连续调用工具的长程 Agent 任务；而在国产大模型阵营中，GLM 5.3 近期同样在代码生成与长上下文处理上展现出了极强的统治力。

一边是爆火出圈的逆向“神器”，一边是宣称代码智商大幅跃升的中外顶级大模型。

如果把同样的图纸交给它们，会发生什么？带着这个问题，我们在 OpenCode 中配合 REA 与 Reverse-skill，让 Gemini 4 Argon 和 GLM 5.3 分别拆解、复刻故宫博物院的线上名画鉴赏平台“故宫名画记”。

这个网站不仅收录了上千幅古代绘画，还支持高清缩放、作品筛选和详细信息查看，并不只是一个简单的图片展示页面。

故宫名画记网站首页

REA 与 Argon 的交汇，让 AI 编程多了一项应用场景：调查现成软件、重建已有功能。同时，这也将进一步改变行业分工：软件公司的竞争压力会进一步落到数据、服务和持续维护上；模型厂商则必须证明，自己的模型能把分析线索变成可靠交付。

03

同一条 REA 路径，Argon 贴近原站，

GLM 5.3 改了骨架

本次测试的对象锁定在故宫名画记，核心是让模型逆向复刻该网站的作品展示功能，同时，不涉及登录、收藏提交、评论和完整标注服务。在名画记的原始网站里，作品列表有朝代、作者、流派和题材筛选，点击作品可以进入详情，打开详情页；进入其中，缩放、拖动、导航图和信息面板，都需要在连续操作后保持合理状态。

为了更直观地观察模型的能力，我们选择 GLM 5.3 作为 Gemini 4 Argon 的对照模型，让两个模型都使用 REA 对站点的功能进行观察和分析，然后使用 Reverse-skill 对站点进行逆向还原，最后让模型完成测试后给出复制版的名画记网站。

先看 Gemini 4 Argon 驾驭 REA 的表现。从首页截图来看，它保住了名画记的页面骨架，与官方一致的地方包括三列作品布局、四项筛选、清空选项、作品题名、作者与尺寸信息。页头纹理被简化，字体与留白也有差别，但页面的主次关系没有被重新安排。

Gemini 4 Argon 复刻名画记的作品展示页首页

进一步，从下图可以看出，对比左侧的原站，右侧复刻版本的顶部导航、筛选区和卡片文字的位置基本一一对应。尽管图片换成了几何图案，但仍能看出模型在沿用原站的结构，而非另做一个通用画廊。

Gemini 4 Argon 复刻版本与原站对比（左侧：原站，右侧：复刻版）

进入详情页，复刻版也保留了顶部横幅、居中作品信息、查看细节入口与相关推荐。不过，从细节来看，按钮和文字样式没有完全对齐，复刻版大致还原来原站的功能设计和内容，但细节上没有做到完全一致。

Gemini 4 Argon 复刻版本与原站在作品详情页对比（左侧：原站，右侧：复刻版）

整体来看，Gemini 4 Argon 组合，很好地完成了对名画记站点中作品展示功能的复刻，核心功能和细节设计都有对应。

作为对照组的 GLM 5.3 同样做出了“作品列表—详情—看画”的浏览路径，但列表一打开，复刻方向略有不同：三列卡片变成四列，浅色页面铺成棕色，原站的大块筛选区消失了。意外的是，模型在页头明确注明这是使用本地测试图的最小浏览流程版本。

GLM 5.3 复刻名画记的作品展示页首页

进一步对比原站可以发现，四项筛选、顶部入口、卡片收藏图标都未出现在对应位置，GLM 5.3 的复刻版本显然对站点的结构作出了极大的改变。

GLM 5.3 复刻版本与原站对比（左侧：原站，右侧：复刻版）

进入详情页，发现改动更大：原站顶部大图、居中题名与介绍区的组织方式，被替换成白色内容框；查看细节和相关推荐尚在，但整页已经更接近一套精简的浏览原型。

GLM 5.3 复刻版本与原站在作品详情页对比（左侧：原站，右侧：复刻版）

整体来看，尽管 GLM 5.3 完成了逆向复刻版，但仍与实际原站存在较大差异。

总之，两次运行交出了可以继续迭代的版本，就逆向还原效果来看，Gemini 4 Argon 更接近原站，GLM 5.3 保留了浏览流程，却省略和改写了多处细节。

04

Argon 重返旗舰竞争：

榜单亮眼，编程能力仍有起伏

再来看看 Gemini 4 Argon。

9 月 30 日，Google 宣布将 Argon 向受信任的网络安全合作方开放，并在 10 月 13 日扩大到开发者 API 及相应订阅产品，重点用途包括复杂软件工程、专业知识工作和多步 Agent。

Google 对 Argon 的首次公告截图

可以发现，Google 要争取的是愿意把长任务交给模型的开发者，榜单给了 Argon 积极信号。按 Artificial Analysis（AA）榜单的智能指数，Argon 的 high 档与 GPT-6 Astra、Fable 5.1 的 max 档同分（取整后都是 53 分），排在前面的是 Opus 5.5 的 58 分和 Sonnet 5.5 的 56 分。这意味着 Argon 已有理由进入旗舰候选。

AA 榜单中 Argon 获得 53 分

另外，从 Google 发布的模型评测结果来看，更加细致解读了 AA 榜单分数：

1.最醒目的是知识工作，Argon 的四项成绩全部领先：AutomationBench 为 51.3%，高于 Astra 的 41.4% 和 Opus 的 42.5%；金融 Agent 测试为 65.4%。这与 Box 的积极评价一致，也给了 Google 争取企业复杂工作流的理由。

2.长上下文场景则是另一项优势，面对 GraphWalks 的 25.6 万至 100 万 Token 评测，Argon 的 F1 得分为 84.2%，Astra 为 71.8%，Opus 为 66.8%。这说明 Argon 擅长在长上下文中追踪图结构关系，能够在读入大量信息后还能否推理。

3.编程成绩则有明显起伏，Argon 在 DeepSWE 和 Vibe Code Bench 上分别拿到 77.9%、91.9%，领先表中对手；换到 FrontierSWE，55.0% 的成绩低于 Astra 的 65.5%；Terminal-Bench 4.0 也以 57.4% 落后于 Opus 的 66.4%。这些差异说明，Argon 的编程能力会受到任务类型和工具环境的影响。

Google 官方报道的 Argon 评测成绩

总的来说，Argon 更合适的行业定位，是知识工作与长上下文见长、具备头部编程竞争力的通用旗舰。因此，Google 已有理由重回旗舰竞争，开发者也多了一个值得认真试用的选择。

05

榜单赢来试用，交付才能留人

目前，工具链的能力在拉平，而模型能力则在分化。REA 把逆向分析的门槛降了下来，同一个站点，两个模型都能拆解、重建，差距集中出现在交付这一层：Argon 保留了筛选区和三列卡片，GLM 5.3 把结构简化成自己理解的样子。

两组结果都能打开，也都能走完“列表、详情、看画”的浏览路径，差别藏在细节里。Argon 的版本沿用了原站的主次关系，四项筛选、三列布局、详情页横幅与相关推荐一一对应；GLM 5.3 的版本更接近一套精简原型，筛选区消失，详情页换成了白色内容框。能运行和还原到位之间，隔着的正是这些容易被忽略的对应关系。

REA 能做的，是把调查环节搬进编码会话：结构、脚本、网络、截图都能追查，分析结果附带证据和已知限制。它降下的是看懂一个软件的门槛，分析出的线索，距离可靠替代一个产品还有距离。DeepTech 把理解机制、重写功能、可靠替代分成三个层次，大器观察干脆质疑这是又一场 AI 幻觉，两种声音提醒的是同一件事：能跑起来的页面，不等于能长期维护的软件。

通用功能更容易被重做，靠功能收费的产品开始承压。名画记这类展示型站点已经被复刻得七七八八，单纯的页面功能越来越难单独定价。用户愿意持续付费买到的，是兼容性、数据服务与长期维护，这些需要长期投入的东西，会越来越成为决定去留的筹码。

对 Google 而言，53 分 已经足以让 Argon 重回旗舰候选的位置。名画记的逆向复刻，是这份能力在真实站点上的证明：Argon 在基准测试里拿分，面对具体站点也交出了贴近原站的交付。榜单赢来的试用，最终要靠一次次合格交付留下来，未来，谁能在长任务里把交付稳稳送到终点，谁才真正留在牌桌上。

点击关键词查看对应实测内容

AI 产品评测

多模态评测

基模评测

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。