精华速览

谷歌在两周内接连发布Gemini 4 Argon与Gemini 4 Carbon，后者在17项基准测试中15项第一，AA智能指数反超Claude Opus 5.5和GPT-6 Astra。但伴随Q3财报发布，Alphabet盘后股价一度跌约10%，市值蒸发3000至4000亿美元。Carbon实为Argon底座上的专项增强版，主打安全与长任务能力，但幻觉率从4%升至11%，通用编程与电脑操作仍落后竞品。谷歌正以“一周一款”节奏替代过去“两年磨一剑”模式，背后是放弃Gemini 3.5 Pro、押注递归自我改进（RSI）和算力优先向内部研发倾斜的战略转向。

要点透视

  • Gemini 4 Carbon在17项基准测试中拿下15项最高分，AA智能指数超过Claude Opus 5.5（58分）和GPT-6 Astra（57分），重回全球第一。
  • Carbon发布后Alphabet盘后股价一度大跌约10%，市值蒸发3000至4000亿美元，若次日延续将创谷歌史上单日市值损失最高纪录。
  • Carbon幻觉率从Gemini 4 Argon的4%上升至11%，在AA-Omniscience知识评测子集中表现明显退步。
  • SWE-sweep评测中Carbon从Argon的4.3%翻倍至9.6%，Terminal-Bench提升8.1%至65.2%，GraphWalks得分96.2%远超对手最高71.8%。
  • 但在FrontierSWE 2中Carbon以61.2%落后GPT-6 Astra的65.5%和Claude Opus 5.5的62.3%；OSWorld-2.1中Claude以87.2%领先Carbon的81.5%。
  • 谷歌年中主动放弃Gemini 3.5 Pro，3个月内连推3.5至3.8四代Flash版本，将能力通过后训练整合进Argon。
  • 谷歌内部新增代码约75%由AI生成，代码回滚率下降三分之一，AlphaEvolve已落地数据中心调度、芯片设计并对外商用。
  • Gemini 4 Argon上线72小时处理近25万亿Token，为上一代同期3倍；2026年资本开支指引上调至1950亿至2050亿美元，Alphabet出现上市以来连续季度自由现金流转负。

文章拆解

谷歌此次发布节奏的突变，本质上是竞争压力下的被动加速与主动重构叠加。外部看，OpenAI和Anthropic的模型刷新密集，Claude Code等工具已嵌入开发者日常工作流，谷歌缺少对等的现象级入口产品，只能靠持续发布和榜单成绩稳住预期。内部看，谷歌推翻了原有交付模式，放弃Gemini 3.5 Pro，用Flash系列快速试错、沉淀能力，再通过后训练注入Argon，形成“小步快跑”的渐进发布机制。Carbon正是这套机制下的首个专项优化版本，而非全新预训练旗舰，这也是它能在两周内推出的原因。

核心逻辑在于，谷歌试图用研发效率换产品竞争力。劈柴哥披露内部新增代码约75%由AI生成，研究员广泛使用智能体协作构建下一代模型，RSI探索已从外围可量化环节切入。AlphaEvolve落地生产系统、Dream-RSI和RRSI等研究相继公布，表明谷歌希望打通“模型提升效率、效率催生更强模型”的闭环。若闭环跑通，谷歌庞大的组织链条反而可能转化为覆盖芯片设计、数据中心调度、浏览器优化的“全家桶式”壁垒。

但短期代价极为惨烈。2026年资本开支指引高达1950亿至2050亿美元，自由现金流转负，算力优先向内部前沿模型倾斜而主动牺牲云业务短期营收。Carbon限制开放对象、普通用户无法即时体验，也放大了外界对“跑分强、体验差”的质疑。幻觉率从4%升至11%更直接威胁企业客户信任，一个在安全攻防拿高分却频繁“胡说八道”的模型，难以支撑商业化落地。

值得关注的变量有三：一是RSI闭环能否在12个月内兑现劈柴哥所称的加速效应，2027年“生产力黄金时代”的预测尚待确认；二是算力基建决策周期长达两年，当前布局能否匹配模型迭代速度；三是传闻中的Gemini Redacted能否在通用编程和日常智能体体验上补齐短板。潜在风险在于，若高频发布持续伴随市值波动和用户信任流失，谷歌可能陷入“榜单第一、市场不买账”的循环，而算力豪赌的财务压力也将限制其试错空间。

查看原文