谷歌Gemini 4 Carbon首批实测曝光，手感直逼Opus 5.5

Argon全面开放才刚刚过去8天，谷歌的下一张王牌已经杀到了。

最新消息显示，谷歌最强的下一代模型Carbon已经被曝开启测试：合作伙伴抢先拿到了访问权限，LMArena上也同步开启了盲测，正式发布已经不远了。

消息传开后，测试者们第一时间涌进Arena。短短一天，Carbon的实测作品就在X上刷了屏，甚至有人用它一口气生成了一整关超级玛丽。上一代旗舰的热度还没散，下一代就已经在门外排队。谷歌联创布林对此的解释是：谷歌已经踏上了「RSI的跑步机」——模型正在帮着造下一代模型。

超级玛丽一次通关，Carbon的3D强到离谱

在Arena上，Carbon还挂着「gemini-4-argon」的名字。测试者分辨它的办法有点好笑：看速度。网友Harshith发现，挂着这个名字的其实是两个模型，一个又快又不错，另一个慢得出奇，但作品质量惊艳——后者才是真正的Carbon。

测评账号Lumina用同一个提示词，让Carbon直接生成了一整关超级玛丽：主角一路顶砖块、吃金币、钻水管，下到地下关再爬出来，最后跳上旗杆、走进城堡，屏幕弹出「COURSE CLEAR」，金币数和评级都完整结算了出来。

Lumina还把同一道体素宝塔题交给Argon、Carbon、Opus 5.5和Sonnet 5.5同场竞技。在他看来，Carbon的完成质量明显高过Argon，代价是速度慢了2到4倍（视任务而定）。

网友Synopsis的体素山谷把画面又推高了一层：樱花沿河岸盛开，红色拱桥架在水面上，木屋亮着灯，一场雨说下就下，整片山谷随之暗了下来。

网友Salio则做了一座3D城堡，光照可以在黄昏、蓝调时刻、月光和薄雾晨光之间自由切换，城下的石桥一路亮着灯。

知名爆料人chetaslua把Gemini的吉祥物交给了Carbon，让它制作一段讲解「碳为什么稳定」的3D动画：画面从一颗碳-12原子核开始，6个电子按1s²2s²2p²排布，轨道杂化成4个相同的sp³瓣，再与邻居共享电子凑满8个，最终搭成一整块金刚石晶格。chetaslua表示，这道题对之前的Gemini模型来说非常难。用Carbon讲碳，谷歌这次的命名算是先被网友玩明白了。

开发者Pankaj Kumar则让Carbon做了一个可以交互的3D水晶柑橘。

不过到了SVG这一项，评价开始分化。网友Binkg让Carbon画了一个可乐瓶SVG：瓶身挂满水珠，标签上的小字和瓶盖都画了出来，旁边还能调节霜冻、气泡和背光效果。

但网友Haleemah看了一整天的测试后认为，Carbon最强的仍然是3D，好的SVG作品她还没有见到。

SVG之外，前端依然是老问题。Lumina评价，Carbon的前端设计和审美依旧平平，少了Anthropic模型的那股味道。

同一个模型，3D突飞猛进，前端却原地踏步，原因在于两类题目的考法完全不同：3D场景里的几何、光照、碰撞全部由代码决定，算错一点画面就会崩，对不对一眼就能验证；而前端考的是留白多大、字号几号、按钮放哪，没有标准答案，只有人的偏好。所以3D可以靠算力和强化学习一路往上推，前端却只能靠大量人类反馈慢慢打磨。

更慢但不偷懒：Carbon专治Argon的「懒病」

晒作品的测试者几乎都会补一句「慢」，却很少有人抱怨——因为Carbon不偷懒了。而偷懒，恰恰是Argon上线以来被骂得最狠的毛病：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测试Argon后给出了5条使用建议，其中第3条是：务必复核它干的活。在38次基准运行里，Argon有17次把「代码审查」这一步打开又关上，中间只隔了30毫秒。

同一份建议里还藏着一组关键数字：把Argon的推理从低档拉到高档，用时只变成原来的1.7倍；而Opus 5.5拉到高档，要花18倍的时间。换句话说，你叫Argon多想一想，它其实并没有多想多少。

在Every CEO Dan Shipper的资深工程师基准测试中，Opus 5.5和Sonnet 5.5都拿到了85%，GPT-6 Astra拿到81%，Argon只有21%，在8个模型里垫底。

到了Carbon，情况直接反转。据Business Insider此前报道，谷歌员工在内部试用Carbon之后评价，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，谷歌这一轮的迭代节奏快得惊人：9月30日官宣Argon，先只开放给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；仅仅8天之后，Carbon就已经进入合作伙伴测试。

谷歌出牌越来越快，布林给出的答案是RSI（递归自我改进）。在最近的一次圆桌对谈中他表示，现在研究员已经在和模型「手拉手」一起做下一版模型了。

Argon的安全报告也印证了这一点：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、人类插话不到3轮的合并请求，也从今年4月的7.5%涨到了11.9%。

当模型开始帮着造模型，Argon和Carbon之间只隔8天，也就不难理解了。

相关阅读：Nano Banana 2 深度测评：当 AI 学会「光影重叠·梦幻融合」

转自今日头条·36氪（原文出自微信公众号「新智元」，作者：ASI启示录），原文链接：https://www.toutiao.com/article/7699437301717336611/