榜单第一，市值暴跌！Gemini 4 Carbon“速成”背后，谷歌一场豪赌

作者丨高允毅

昨天，Google 发布世界模型 Genie 4，人们惊呼“太疯狂了”。今早，Google 又紧接着推出 Gemini 4 Carbon，直接刷榜"重回全球第一"。再加上两周前发布的 Gemini 4 Argon，谷歌正以近乎“一周一款”的节奏刷新模型产品线。

这种高频迭代在谷歌历史上前所未有，过去它更习惯“两年磨一剑”的大版本发布节奏，如今却突然切换成“小步快跑”的互联网打法。

这场节奏突变的背后，是谷歌在技术路线选择、研发模式押注、算力基础突围和内部管理调整上的全方位转向，也是它在行业节奏失落后的一次集中反击。

01

登顶榜首 vs 4000 亿市值蒸发，

谷歌深陷“跑分幻觉”

Gemini 4 Carbon 发布之后，技术圈反应堪称魔幻。

谷歌对外宣布的内容中，最吸睛的标签是“重回世界第一”。在17项基准测试中，它有 15 项拿下了最高成绩，甚至在最新的 Artificial Analysis （AA）智能指数评测中反超 Claude Opus 5.5（58分）和 GPT-6 Astra（57分），夺回世界第一。

图注：Gemini 4 Carbon公开的17项基准测评，勇登第一

但在资本市场，伴随新模型和Q3财报的发布，Alphabet 盘后股价一度大跌约10%，市值蒸发3000至4000亿美元。如果次日开盘延续这一跌幅，将创下谷歌历史上单日市值损失的最高纪录。

图注：模型发布后，Google 母公司 Alphabet 股价反而暴跌

为什么华尔街对于谷歌这次交出的“满分答卷”，却有如此截然不同的反应？还是说，谷歌为了应付这次“考试”，付出了什么样的惨痛代价？

谷歌这次模型更新主打的是“安全能力”和“长任务能力”，尤其在发现安全漏洞方面表现突出。按谷歌公布的技术数据，可以说，Gemini 4 Carbon 在漏洞发现、利用验证、补丁修复的全环节都实现了领先。

除了安全领域，Gemini 4 Carbon在写代码方面也更强了，尤其在复杂的长任务上有了明显突破。它可以连续运行数天，突破重重难关，最终解决复杂的、多步骤的工程任务，比如在大型代码库和底层系统中查找并修复细微的bug。

从榜单数据中可以直观看到，在 SWE-sweep（Agent级代码修复能力）评测中，Gemini 4 Carbon 已经从 Gemini 4 Argon 的 4.3% 翻倍到 9.6%；在 Terminal-Bench（自主操作和工具调用能力）中，Gemini 4 Carbon 提升了 8.1%，达到 65.2%。

在 GraphWalks（超长文本处理能力）， Gemini 4 Carbon 得分 96.2%，而竞争对手最高才 71.8%，差距悬殊。

和资本市场一样，面对这个“世界第一”的标签，网友也似乎并不买账。

大家对榜单刷分甚至作弊早已见怪不怪。有网友直接发问：这是评测结果达到了顶峰，还是谷歌真的重回了顶峰？

有人表示在 Gemini 4 Argon 已经吃了亏。

当初在官方公告和 Google CEO 劈柴哥的宣传中，Gemini 4 Argon 的标签是"开创长周期、高难度专业任务的新时代"，号称拥有行业最低的幻觉率，能彻底扭转 Gemini 家族在智能体和代码实操上的弱势。

结果彭博社随后爆出，据内部员工透露，Gemini 4 Argon 榜单分数好看，一干活就歇菜，尤其在前端设计方面吃力。

而这一次的Carbon，更是做实了谷歌为了“考高分”刷题的“小镇做题家”气质。

在代码能力上，Gemini 4 Argon 在 Terminal-Bench 4.0（命令行实操测试）的得分（57%），被行业标杆Claude Opus 5.5（66.4%）远远甩开。在更广泛的整体智能指数上，它也未能超越Claude，只是勉强与 OpenAI 早已发布的旧模型打了个平手。

网友表示，如果Gemini 4 Carbon再过度吹捧，Google 将颜面扫地。

还有不少人吐槽，这次 Gemini 4 Carbon 发布还限制开放对象，大家只能对着榜单分数干瞪眼，无法直接体验，等到能用的时候，黄花菜都凉了。

所有这些泼冷水的声音，反映的都是大众对谷歌模型的真实态度。

从定位来看，Gemini 4 Carbon 并非全新预训练的下一代旗舰，而是在 Gemini 4 Argon 底座上做的专项增强版本，这也是它能在两周内快速推出的核心原因。

谷歌的老问题是跑分强，体验差，更多优势集中在长上下文、安全、科学计算等谷歌重点投入的垂直赛道，而非用户感知最强的通用编程、日常智能体体验。

而且 Gemini 4 Carbon 在核心通用赛道仍有明显短板。

在软件工程测试 FrontierSWE 2 中，Gemini 4 Carbon 以61.2% 落后于 GPT-6 Astra 的 65.5% 和 Claude Opus 5.5 的 62.3%；在电脑操作测试 OSWorld-2.1中，Claude Opus 5.5 得分87.2%，而 Gemini 4 Carbon 得分 81.5%，仅排第二；在专业知识工作类评测中，Gemini 4 Carbon 的表现也未拉开与竞品的差距，部分场景甚至落后。

另一方面，能力提升的背后，是“胡说八道”概率的增加。在 Artificial Analysis 的 AA-Omniscience 知识评测子集中，Gemini 4 Carbon 幻觉率从 Gemini 4 Argon 的 4%上升至 11%。这也正是它"跑分强、体验一般"的原因之一。

一个经常“胡说八道”的模型，哪怕黑客攻防满分，也无法让企业客户放心使用。

02

从停发 3.5 Pro

到密集发布的技术内幕

自从 Gemini 从榜首滑落，叠加旗舰产品延期、核心人才流失、编程智能体方向被对手抢先定义，谷歌近期承受的压力不小。劈柴哥在多档播客访谈中的表态，恰好将谷歌当下的焦虑、取舍与战略押注完整地袒露了出来。

在与 Alex Heath 的访谈中，劈柴哥首次谈到年中的一次关键技术路线抉择：主动放弃原计划中的 Gemini 3.5 Pro。

在3.5 系列研发初期，团队原本同步推进 Flash 与 Pro 两条线。但年中内部复盘时，团队达成了一个关键共识：智能体与编程能力是当前前沿竞争的核心胜负手，而谷歌在这两个方向仍存在明显短板，必须以最快速度补齐。

团队最终判断，用轻量级的 Flash 模型爬坡效率最高：体量小、算力成本低、迭代循环快，能在短时间内跑大量实验、快速沉淀能力。基于这个判断，谷歌在 3 个月内连续推出 3.5、3.6、3.7、3.8 四代 Flash 版本，集中攻坚智能体与编程能力，跑通了快速迭代的整套流程。

等到 Flash 系列打磨完成时，Gemini 4 Argon 的预训练已经收尾。此时如果再单独发布 3.5 Pro，其市场生命周期会极短，反而造成算力与研发资源的浪费。团队最终决定跳过这一版本，将Flash迭代中沉淀的全部能力，通过后训练整合进Argon之中。

这正是 Google 的发布节奏从“两年磨一剑”到“周期性渐进发布”转变，不再保守被动，追求能力全面成熟，而是按任务领域拆分，哪块成熟就先推哪块。

劈柴哥在 X 平台发布 Carbon 时特意强调：“我们很快还会推出更多模型（包括更高效的版本）”。Carbon正是这套新机制下的第一个典型成果，往后 Gemini 4.0 时代的发布节奏只会越来越快。不过劈柴哥也指出，Carbon 这类专项优化版本，与面向大众普及的 Argon 蒸馏版，是两条并行的技术路线，并不重合。

而这一迭代速度背后，有一个关键的技术路线，就是 Google 全力押注递归自我改进（RSI）。

在播客中，劈柴哥进一步透露，谷歌曾披露内部新增代码约 75% 由 AI 生成，代码回滚率下降了三分之一，如今几乎每段代码都受AI影响；研究员已经在广泛使用 AI 智能体协作构建下一代模型，研发流程正式进入了 RSI 的探索阶段。

谷歌的 RSI 路径非常务实，没有直接触碰修改模型权重的高风险深水区，而是从外围可量化、易验证的环节切入，逐步形成闭环。

例如，2025 年推出的 AlphaEvolve作为进化代码智能体，已全面落地其生产系统，深入到数据中心调度、芯片设计、AI 训练流程中，并已通过Google Cloud正式对外商用；2026 年 9 月，谷歌又连续公布多项 RSI 相关研究，其中Dream-RSI通过构建历史“梦境”解决智能体探索路径效率的问题，RRSI则引入正则化解决了如何让 AI 自主优化智能体工作流而不跑偏的问题。正如谷歌联合创始人谢尔盖·布林所说，研究员与模型正在携手打造下一代模型。

甚至连谷歌内部的算力分配，AI 都深度参与进来。劈柴哥表示，他有自己的专属的内部智能体，能帮他处理信息。

一般而言，模型研发的全流程有预训练群、训练中群、后训练数据群等等，他每天要花一小时才能跟上24小时内的进展。现在有智能体做摘要汇总，他能快速掌握全局，需要时再深入看细节。同样，也有智能体监控各业务线的算力使用、效率和利用率，可以让他做出正确决策。

目前 Gemini 4 Argon 上线后，谷歌内部的生产效率已出现阶跃式提升。劈柴哥举了一个具体的例子，他们把它用在大型代码库上，让它去解决已知的问题。

比如 Chromium 项目，要实现 “拖拽标签页脱离窗口、移动位置后保持页面不刷新” 的功能。在过去，面对这种数百万行代码的庞大规模，团队通常需要打通 Chromium 的所有层级才能实现。而现在，只需将任务交给 Argon，它就能持续自主推进，直至该功能完美落地。

模型能力提升反哺研发效率，更高的研发效率再催生更强的模型，这条闭环一旦跑通，迭代速度会持续加快。劈柴哥预测，未来12个月 RSI 带来的加速效应会更加明显，2027年将成为生产力前沿的黄金时代，数学、科学、工程等多个领域，将集中出现 “跨越式突破” 。

但长期以来，Google 面临算力紧张的难题。Gemini 4 Argon 上线 72 小时，就累计处理近 25 万亿 Token，用量是上一代 Gemini 3.0 同期的 3 倍，创下谷歌模型首发用量纪录。

但与此同时，受算力限制， 目前 Gemini 4 Argon 仅优先对 API 开发者及 Ultra/Pro 订阅用户开放，尚未覆盖全量普通用户。尽管谷歌正通过“模型蒸馏”试图打造低成本的替代版本，但算力依然是这场生存游戏中的关键卡点。

劈柴哥在播客中表示，算力短缺是全行业共同难题。一般算力基建的决策周期长达2年，现在的算力支撑，正是他 24 年提前布局的结果。

为了在这场长期消耗战中卡死身位，谷歌已经将 2026 年的资本开支指引激进地上调至 1950 亿至 2050 亿美元，甚至已经开始提前规划 2028 至 2029 年的土地、电力与基建布局。如此砸钱，直接导致Alphabet出现上市以来连续季度自由现金流转负的情况这正是用惨烈的短期财务代价，去换取长期的技术统治权。

在这场没有退路的算力取舍中，劈柴哥的选择极其决绝：谷歌正主动放弃云业务的短期营收，将极其有限的算力资源，毫无保留地优先向内部前沿模型的研发倾斜。在这件事上，没有任何妥协的余地。

说到底，谷歌密集上新，是外部竞争倒逼、内部路线重构共同的结果。

外部，OpenAI、Anthropic的模型刷新节奏密集，而且 Claude Code 这类工具已经把模型嵌入开发者日常工作流，谷歌缺少对等的现象级产品，只能靠持续的模型发布与榜单成绩稳住市场预期。

内部，是“研发范式”的重组。谷歌推翻了过去的交付模式，同时把 RSI 落地到研发全流程。在算力有限的前提下，用更快的研发循环，补上产品入口的差距。

这条闭环一旦跑通，谷歌过去“组织庞大、链条复杂”的弱点，在 RSI 的加持下，反而会变成无人能及的优势：AI 能够一口气把芯片设计、数据中心调度、浏览器优化全干了。这种‘全家桶式’的自我进化，是任何创业公司都抄不来的硬壁垒。

03

下一个：Gemini Redacted 能否救主

有趣的是，在 Gemini 4 Carbon 发布不久，谷歌新模型已经泄露。

面对网友评论“ Fable 5.5 马上发布，就会取代 Gemini 4 Carbon ”的调侃，DeepMind内部员工直接自豪表示“Gemini [redacted] isn’t yet here though”，这句话很快被网友玩梗，将这个被遮蔽的词当成下一代新模型代号Gemini Redacted。

不知传闻中的Redacted，究竟是谷歌“三板斧”中的绝招，还是又一次雷声大雨点小的公关秀？

参考链接：https://www.youtube.com/watch?v=fJBSNEFdm8c

https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/?utm_source=x&utm_medium=social&utm_campaign=&utm_content=

免责声明：本网转载的文章仅为传播更多信息之目的，本网未独立核实其内容真实性，文章也不代表本网立场。如文章侵犯了你的权利，请联系我们修改或删除。本网提供的内容，包括并不限于财经、房产类信息，仅供参考，不构成投资建议；本网内容，包括并不限于健康、保健信息，亦非专业意见、医疗建议，请另行咨询专业意见。本网联系邮箱：contact@cacnews.ca