谷歌Gemini 4 Carbon首批实测曝光，手感直逼Opus 5.5 - 开云中国官网

Argon 全面开放仅 8 天后，谷歌的又一重磅产品已进入竞技场。

就在刚才，谷歌最强的 Carbon 模型被曝出开始测试。合作伙伴已抢先获得，LMArena 上也开启了盲测，发布已近在咫尺。 

消息传出后，测试者纷纷涌入 Arena。 

一天之内，Carbon 的实测结果在 X 上引发热议，有人用它一次性完成了整个超级玛丽关卡。

上一代旗舰的热度尚未消退，下一代产品已在门外排队等候。 

谷歌联合创始人布林表示，谷歌已踏上「RSI 的跑步机」，模型正协助构建下一代模型。 

超级玛丽一次通关，Carbon 的 3D 能力令人惊叹

Arena 上的 Carbon 模型名称仍标注为「gemini-4-argon」。测试者识别它的方法颇为有趣——就看它慢不慢。 

网友 Harshith 发现，挂着这个名字的实际上有两个模型。一个速度较快且表现不错，另一个则慢得惊人，但生成的作品却令人惊艳，后者才是真正的 Carbon。 

测评账号 Lumina 使用超级玛丽的提示词，让 Carbon 生成了完整的一关游戏。 

主角一路顶砖块、吃金币、钻水管，进入地下关卡又返回地面，最终跳上旗杆、走进城堡，屏幕上弹出「COURSE CLEAR」，金币数和评级也一并结算出来。 

Lumina 还将同一道体素宝塔题目，交给 Argon、Carbon、Opus 5.5 和 Sonnet 5.5 进行同场比较。 

在 Lumina 看来，Carbon 的质量明显优于 Argon，但根据任务不同，速度要慢 2 到 4 倍。

网友 Synopsis 生成的体素山谷，将画面质量又提升了一个层次。 

樱花沿河岸盛开，红色拱桥架于水面之上，木屋亮着灯光，一场雨突然降临，整片山谷随之变得昏暗。

网友 Salio 制作了一座 3D 城堡，光照能在黄昏、蓝调时刻、月光和薄雾晨光之间切换，城下的石桥一路亮着灯。 

知名爆料人 chetaslua 将 Gemini 的吉祥物交给 Carbon，让它制作一段解释碳为何稳定的 3D 动画。 

画面开始，吉祥物注视着一个碳-12 原子核。随后，6 个电子按照 1s²2s²2p² 排布，轨道杂化成四个相同的 sp³ 瓣，再与邻居共享电子达到 8 个，最终构建成一块完整的金刚石晶格。

chetaslua 表示，这道题对之前的 Gemini 模型来说非常困难。用 Carbon 来讲解碳，谷歌这次的命名方式，算是被网友巧妙解读了。 

开发者 Pankaj Kumar 则让它制作了一个可交互的 3D 水晶柑橘。 

然而，在 SVG 这项任务上，评价开始出现分化。 

网友 Binkg 让 Carbon 绘制了一个可乐瓶的 SVG，瓶身挂满水珠，标签上的小字和瓶盖都呈现出来，旁边还可以调节霜冻、气泡和背光效果。 

但 Haleemah 在观察了一整天的测试后表示，Carbon 最强的能力仍是 3D，她尚未看到出色的 SVG 作品。 

除了 SVG，前端领域的老问题依然存在。Lumina 指出，Carbon 的前端设计和审美依旧平平，缺少 Anthropic 模型的那种风格。 

同一个模型，3D 能力能大幅提升，前端却停滞不前，这是因为两类题目的考察方式不同。 

在 3D 场景中，几何、光照、碰撞全部由代码决定，计算稍有差错画面就会崩溃，对错一目了然。 

前端考察的是留白大小、字号选择、按钮位置，没有标准答案，只有人的偏好。 

因此，3D 能力可以通过算力和强化学习不断推进，而前端只能依赖大量的人类反馈慢慢优化。

更慢但不偷懒，Carbon 专治 Argon 的懒病

测试者在展示作品时，几乎都会提到一个“慢”字，但很少有人抱怨，因为它不再偷懒了。 

偷懒，正是 Argon 上线以来被批评得最严重的问题。它的跑分很漂亮，但开发者上手不到一周，“懒”的名声就传开了。 

科技媒体 Every 在测试完 Argon 后，给出了 5 条使用建议，其中第 3 条是要求用户务必复核它的工作。 

在 38 次基准运行中，有 17 次，Argon 将代码审查步骤打开后又关闭，中间仅间隔了 30 毫秒。

同一份建议中还隐藏着一组数据。将 Argon 从低推理档位拉到高档，用时仅变成原来的 1.7 倍；而 Opus 5.5 拉到高档，需要花费 18 倍的时间。 

也就是说，让 Argon 多思考一会儿，它并没有真正多想多少。 

在 Every 的 CEO Dan Shipper 的资深工程师基准测试中，Opus 5.5 和 Sonnet 5.5 都获得了 85%，GPT-6 Astra 获得了 81%，而 Argon 只有 21%，在 8 个模型中排名垫底。

而到了 Carbon 这里，情况直接反转。 

Business Insider 此前爆料，谷歌员工在内部试用 Carbon 后表示，它写代码「感觉像极了 Opus 5.5」。 

Argon 刚铺开就出 Carbon，谷歌踏上 RSI 跑步机

从 Argon 到 Carbon，谷歌这一轮的节奏快得惊人。 

9 月 30 日官宣 Argon，最初仅交给 Fairwind 计划中的网络安全防御方；10 月 13 日，Argon 向开发者和订阅用户全面开放；又过了 8 天，Carbon 就进入了合作伙伴的测试阶段。 

谷歌出牌越来越快，布林给出的答案便是——RSI（递归自我改进）。

在最近一段圆桌对谈中，他曾表示，现在研究员已经和模型携手，一起构建下一版模型了。

Argon 的安全报告显示，今年 9 月，DeepMind超过九成的代码合并请求中，AI 编写的部分占比都在 75% 以上。

完全交给 AI、人类干预不超过三轮的合并请求，也从 4 月的 7.5% 上升到了 11.9%。 

DeepMind 每月的代码合并请求，颜色越深，AI 编写的比例越高 

当模型开始协助构建模型时，Argon 和 Carbon 的发布如此接近，也就不难理解了。

参考资料：

https://x.com/Lentils80/status/2112770669549068684 

https://x.com/steph_palazzolo/status/2112183963452059734 

https://x.com/steph_palazzolo/status/2112205820440326307 

本文来自微信公众号“新智元”，作者：ASI启示录；编辑：摩西，36氪经授权发布。