榜單第一，市值暴跌！Gemini 4 Carbon「速成」背後，谷歌一場豪賭

Gemini 4 Carbon登頂，幻覺率抬升，谷歌瘋狂發模型在急什麼？作者丨高允毅 編輯丨岑 峰 昨天，Google 發佈世界模型 Genie 4，人們驚呼“太瘋狂了”。今早，Google 又緊接著推出 Gemini 4 Carbon，直接刷榜"重回全球第一"。再加上兩週前發佈的 Gemini 4 Argon，谷歌正以近乎“一週一款”的節奏刷新模型產品線。這種高頻迭代在谷歌歷史上前所未有，過去它更習慣“兩年磨一劍”的大版本發佈節奏，如今卻突然切換成“小步快跑”的互聯網打法。

這場節奏突變的背後，是谷歌在技術路線選擇、研發模式押注、算力基礎突圍和內部管理調整上的全方位轉向，也是它在行業節奏失落後的一次集中反擊。01登頂榜首 vs 4000 億市值蒸發，谷歌深陷“跑分幻覺”Gemini 4 Carbon 發佈之後，技術圈反應堪稱魔幻。谷歌對外宣佈的內容中，最吸睛的標籤是“重回世界第一”。在17項基準測試中，它有 15 項拿下了最高成績，甚至在最新的 Artificial Analysis （AA）智能指數評測中反超 Claude Opus 5.5（58分）和 GPT-6 Astra（57分），奪回世界第一。

圖注：Gemini 4 Carbon公開的17項基準測評，勇登第一但在資本市場，伴隨新模型和Q3財報的發佈，Alphabet 盤後股價一度大跌約10%，市值蒸發3000至4000億美元。如果次日開盤延續這一跌幅，將創下谷歌歷史上單日市值損失的最高紀錄。圖注：模型發佈後，Google 母公司 Alphabet 股價反而暴跌為什麼華爾街對於谷歌這次交出的“滿分答卷”，卻有如此截然不同的反應？還是說，谷歌為了應付這次“考試”，付出了什麼樣的慘痛代價？谷歌這次模型更新主打的是“安全能力”和“長任務能力”，尤其在發現安全漏洞方面表現突出。

按谷歌公佈的技術數據，可以說，Gemini 4 Carbon 在漏洞發現、利用驗證、補丁修復的全環節都實現了領先。除了安全領域，Gemini 4 Carbon在寫代碼方面也更強了，尤其在複雜的長任務上有了明顯突破。它可以連續運行數天，突破重重難關，最終解決複雜的、多步驟的工程任務，比如在大型代碼庫和底層系統中查找並修復細微的bug。從榜單數據中可以直觀看到，在 SWE-sweep（Agent級代碼修復能力）評測中，Gemini 4 Carbon 已經從 Gemini 4 Argon 的 4.3% 翻倍到 9.

6%；在 Terminal-Bench（自主操作和工具調用能力）中，Gemini 4 Carbon 提升了 8.1%，達到 65.2%。在 GraphWalks（超長文本處理能力）， Gemini 4 Carbon 得分 96.2%，而競爭對手最高才 71.8%，差距懸殊。和資本市場一樣，面對這個“世界第一”的標籤，網友也似乎並不買賬。大家對榜單刷分甚至作弊早已見怪不怪。有網友直接發問：這是評測結果達到了頂峰，還是谷歌真的重回了頂峰？有人表示在 Gemini 4 Argon 已經吃了虧。

當初在官方公告和 Google CEO 劈柴哥的宣傳中，Gemini 4 Argon 的標籤是"開創長週期、高難度專業任務的新時代"，號稱擁有行業最低的幻覺率，能徹底扭轉 Gemini 家族在智能體和代碼實操上的弱勢。結果彭博社隨後爆出，據內部員工透露，Gemini 4 Argon 榜單分數好看，一干活就歇菜，尤其在前端設計方面吃力。而這一次的Carbon，更是做實了谷歌為了“考高分”刷題的“小鎮做題家”氣質。在代碼能力上，Gemini 4 Argon 在 Terminal-Bench 4.0（命令行實操測試）的得分（57%），被行業標杆Claude Opus 5.5（66.4%）遠遠甩開。

在更廣泛的整體智能指數上，它也未能超越Claude，只是勉強與 OpenAI 早已發佈的舊模型打了個平手。網友表示，如果Gemini 4 Carbon再過度吹捧，Google 將顏面掃地。還有不少人吐槽，這次 Gemini 4 Carbon 發佈還限制開放對象，大家只能對著榜單分數乾瞪眼，無法直接體驗，等到能用的時候，黃花菜都涼了。所有這些潑冷水的聲音，反映的都是大眾對谷歌模型的真實態度。從定位來看，Gemini 4 Carbon 並非全新預訓練的下一代旗艦，而是在 Gemini 4 Argon 底座上做的專項增強版本，這也是它能在兩週內快速推出的核心原因。

谷歌的老問題是跑分強，體驗差，更多優勢集中在長上下文、安全、科學計算等谷歌重點投入的垂直賽道，而非用戶感知最強的通用編程、日常智能體體驗。而且 Gemini 4 Carbon 在核心通用賽道仍有明顯短板。在軟件工程測試 FrontierSWE 2 中，Gemini 4 Carbon 以61.2% 落後於 GPT-6 Astra 的 65.5% 和 Claude Opus 5.5 的 62.3%；在電腦操作測試 OSWorld-2.1中，Claude Opus 5.5 得分87.2%，而 Gemini 4 Carbon 得分 81.

5%，僅排第二；在專業知識工作類評測中，Gemini 4 Carbon 的表現也未拉開與競品的差距，部分場景甚至落後。另一方面，能力提升的背後，是“胡說八道”概率的增加。在 Artificial Analysis 的 AA-Omniscience 知識評測子集中，Gemini 4 Carbon 幻覺率從 Gemini 4 Argon 的 4%上升至 11%。這也正是它"跑分強、體驗一般"的原因之一。一個經常“胡說八道”的模型，哪怕黑客攻防滿分，也無法讓企業客戶放心使用。02從停發 3.

5 Pro 到密集發佈的技術內幕自從 Gemini 從榜首滑落，疊加旗艦產品延期、核心人才流失、編程智能體方向被對手搶先定義，谷歌近期承受的壓力不小。劈柴哥在多檔播客訪談中的表態，恰好將谷歌當下的焦慮、取捨與戰略押注完整地袒露了出來。在與 Alex Heath 的訪談中，劈柴哥首次談到年中的一次關鍵技術路線抉擇：主動放棄原計劃中的 Gemini 3.5 Pro。在3.5 系列研發初期，團隊原本同步推進 Flash 與 Pro 兩條線。但年中內部覆盤時，團隊達成了一個關鍵共識：智能體與編程能力是當前前沿競爭的核心勝負手，而谷歌在這兩個方向仍存在明顯短板，必須以最快速度補齊。

團隊最終判斷，用輕量級的 Flash 模型爬坡效率最高：體量小、算力成本低、迭代循環快，能在短時間內跑大量實驗、快速沉澱能力。基於這個判斷，谷歌在 3 個月內連續推出 3.5、3.6、3.7、3.8 四代 Flash 版本，集中攻堅智能體與編程能力，跑通了快速迭代的整套流程。等到 Flash 系列打磨完成時，Gemini 4 Argon 的預訓練已經收尾。此時如果再單獨發佈 3.5 Pro，其市場生命週期會極短，反而造成算力與研發資源的浪費。團隊最終決定跳過這一版本，將Flash迭代中沉澱的全部能力，通過後訓練整合進Argon之中。

這正是 Google 的發佈節奏從“兩年磨一劍”到“週期性漸進發布”轉變，不再保守被動，追求能力全面成熟，而是按任務領域拆分，哪塊成熟就先推哪塊。劈柴哥在 X 平臺發佈 Carbon 時特意強調：“我們很快還會推出更多模型（包括更高效的版本）”。Carbon正是這套新機制下的第一個典型成果，往後 Gemini 4.0 時代的發佈節奏只會越來越快。不過劈柴哥也指出，Carbon 這類專項優化版本，與面向大眾普及的 Argon 蒸餾版，是兩條並行的技術路線，並不重合。而這一迭代速度背後，有一個關鍵的技術路線，就是 Google 全力押注遞歸自我改進（RSI）。

在播客中，劈柴哥進一步透露，谷歌曾披露內部新增代碼約 75% 由 AI 生成，代碼回滾率下降了三分之一，如今幾乎每段代碼都受AI影響；研究員已經在廣泛使用 AI 智能體協作構建下一代模型，研發流程正式進入了 RSI 的探索階段。谷歌的 RSI 路徑非常務實，沒有直接觸碰修改模型權重的高風險深水區，而是從外圍可量化、易驗證的環節切入，逐步形成閉環。

例如，2025 年推出的 AlphaEvolve 作為進化代碼智能體，已全面落地其生產系統，深入到數據中心調度、芯片設計、AI 訓練流程中，並已通過 Google Cloud 正式對外商用；2026 年 9 月，谷歌又連續公佈多項 RSI 相關研究，其中 Dream-RSI 通過構建歷史“夢境”解決智能體探索路徑效率的問題，RRSI 則引入正則化解決了如何讓 AI 自主優化智能體工作流而不跑偏的問題。正如谷歌聯合創始人謝爾蓋·布林所說，研究員與模型正在攜手打造下一代模型。甚至連谷歌內部的算力分配，AI 都深度參與進來。劈柴哥表示，他有自己的專屬的內部智能體，能幫他處理信息。

一般而言，模型研發的全流程有預訓練群、訓練中群、後訓練數據群等等，他每天要花一小時才能跟上24小時內的進展。現在有智能體做摘要彙總，他能快速掌握全局，需要時再深入看細節。同樣，也有智能體監控各業務線的算力使用、效率和利用率，可以讓他做出正確決策。目前 Gemini 4 Argon 上線後，谷歌內部的生產效率已出現階躍式提升。劈柴哥舉了一個具體的例子，他們把它用在大型代碼庫上，讓它去解決已知的問題。比如 Chromium 項目，要實現 “拖拽標籤頁脫離窗口、移動位置後保持頁面不刷新” 的功能。在過去，面對這種數百萬行代碼的龐大規模，團隊通常需要打通 Chromium 的所有層級才能實現。

而現在，只需將任務交給 Argon，它就能持續自主推進，直至該功能完美落地。模型能力提升反哺研發效率，更高的研發效率再催生更強的模型，這條閉環一旦跑通，迭代速度會持續加快。劈柴哥預測，未來12個月 RSI 帶來的加速效應會更加明顯，2027年將成為生產力前沿的黃金時代，數學、科學、工程等多個領域，將集中出現 “跨越式突破” 。但長期以來，Google 面臨算力緊張的難題。Gemini 4 Argon 上線 72 小時，就累計處理近 25 萬億 Token，用量是上一代 Gemini 3.0 同期的 3 倍，創下谷歌模型首發用量紀錄。

但與此同時，受算力限制， 目前 Gemini 4 Argon 僅優先對 API 開發者及 Ultra/Pro 訂閱用戶開放，尚未覆蓋全量普通用戶。儘管谷歌正通過“模型蒸餾”試圖打造低成本的替代版本，但算力依然是這場生存遊戲中的關鍵卡點。劈柴哥在播客中表示，算力短缺是全行業共同難題。一般算力基建的決策週期長達2年，現在的算力支撐，正是他 24 年提前佈局的結果。為了在這場長期消耗戰中卡死身位，谷歌已經將 2026 年的資本開支指引激進地上調至 1950 億至 2050 億美元，甚至已經開始提前規劃 2028 至 2029 年的土地、電力與基建佈局。

如此砸錢，直接導致Alphabet出現上市以來連續季度自由現金流轉負的情況這正是用慘烈的短期財務代價，去換取長期的技術統治權。在這場沒有退路的算力取捨中，劈柴哥的選擇極其決絕：谷歌正主動放棄雲業務的短期營收，將極其有限的算力資源，毫無保留地優先向內部前沿模型的研發傾斜。在這件事上，沒有任何妥協的餘地。說到底，谷歌密集上新，是外部競爭倒逼、內部路線重構共同的結果。外部，OpenAI、Anthropic的模型刷新節奏密集，而且 Claude Code 這類工具已經把模型嵌入開發者日常工作流，谷歌缺少對等的現象級產品，只能靠持續的模型發佈與榜單成績穩住市場預期。內部，是“研發範式”的重組。

谷歌推翻了過去的交付模式，同時把 RSI 落地到研發全流程。在算力有限的前提下，用更快的研發循環，補上產品入口的差距。這條閉環一旦跑通，谷歌過去“組織龐大、鏈條複雜”的弱點，在 RSI 的加持下，反而會變成無人能及的優勢：AI 能夠一口氣把芯片設計、數據中心調度、瀏覽器優化全乾了。這種‘全家桶式’的自我進化，是任何創業公司都抄不來的硬壁壘。03下一個：Gemini Redacted 能否救主有趣的是，在 Gemini 4 Carbon 發佈不久，谷歌新模型已經洩露。面對網友評論“ Fable 5.

5 馬上發佈，就會取代 Gemini 4 Carbon ”的調侃，DeepMind內部員工直接自豪表示“Gemini [redacted] isn’t yet here though”，這句話很快被網友玩梗，將這個被遮蔽的詞當成下一代新模型代號Gemini Redacted。不知傳聞中的Redacted，究竟是谷歌“三板斧”中的絕招，還是又一次雷聲大雨點小的公關秀？參考鏈接：https://www.youtube.com/watch?v=fJBSNEFdm8chttps://blog.

google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/?utmsource=x&utmmedium=social&utmcampaign=&utmcontent=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。