据报道，谷歌正在开发的 Gemini 4「Carbon」在编程能力方面接近 Anthropic 的 Opus 5.5。它已在内部开发环境中试运行，据称在编程任务上主要优于另一开发版「Argon」。参考资料未提供正式推出时间或对比测试数据。
Carbon 的评估来自实际编码场景
此次话题的核心并非新模型正式发布，而是谷歌内部的试运行情况。参考报道据报道，Business Insider 根据其核实的文件、屏幕截图和内部交流内容，称谷歌正在测试 Argon、Barium、Carbon 等多个 Gemini 4 开发版。
Carbon 已部署到内部编程平台「Jetski」，据称在编程任务上主要优于 Argon。一名员工评价说，使用 Carbon 的感受接近 Anthropic 的 Opus 5.5。另一方面，另一名员工表示，早期的 Argon让他想起 Opus 5 在某些编程任务中的表现。
这里需要明确「匹敌」一词的具体含义。报道所呈现的是员工的使用感受，并非在相同条件下让模型解决同一问题所得出的对比测试结果。报道也未提供正确率、完成任务所需时间等数据，因此不能据此确认 Carbon 与 Opus 5.5 性能相当。参与评估的员工本人也表示，还需要进行更多测试。
开发代号不同，不代表产品也不同
Argon、Barium、Carbon 这些名字并列出现时，可能会让人以为将推出三款用途不同的产品。不过，参考资料指出，Barium 和 Carbon 可能是 Argon 系列开发过程中的版本或更新版。目前尚不清楚 Carbon 会成为独立产品，还是作为 Argon 的更新版推出。
支持这一判断的是开发代号的变化。资料称，Argon 以前被称为 Barium-B，并介绍称，Carbon 也曾有一个暗示其对应下一代 Gemini Pro 模型的内部称呼。开发代号的变化与面向用户的产品类别增加，是两回事，需要分别看待。
此外，资料援引的谷歌说明称，Argon 定位于高级推理，Flash 侧重速度和大规模处理，Omni 用于媒体生成，Gemma 则主打轻量化，也可在设备端运行。推理是指梳理多个条件、分步骤得出答案的处理过程。Argon 并非优先追求速度的模型，而是被描述为用于应对高难度任务的模型。
区分 AI 辅助开发与自我改进
对于开发版短时间内不断更新的背景，参考报道关注了利用 AI 提高模型开发效率的做法。据称，Google DeepMind 员工 Vedant Misra 也在回应这则报道的 X 帖文中提到了递归式自我改进。
在这一语境中，自我改进是指利用 AI 开发能力更强的 AI。不过，仅凭这条帖文，无法得知 Carbon 的开发流程中具体在哪些环节使用了 AI，也无法得知开发周期缩短了多少。这也并不意味着 Carbon 在没有人类参与的情况下自行改进了自己。
模型更新速度与加快更新的技术机制，是两类不同的信息。此次资料所传达的是，谷歌正在测试多个开发版，并在内部实际工作环境中进行评估。有关自我改进的说法有助于理解这一背景，但资料并未将其作为确定性能提升原因的实验结果。
应用功能持续变化，但推出条件尚未公布
面向用户的界面也据称有所调整。参考资料称，Gemini 应用中出现了 Gemini 3 系列的「Automatic」模式，以及可从低到高调节的推理强度；Google AI Studio 则出现了一个宣称具备高级功能和工具的「Ultra」模式。
这些变化被介绍为面向 Gemini 4 发布所做的准备，但仅凭界面上的模式名称，无法确认 Carbon 是否会推出。据称，Google 的 Logan Kilpatrick 表示，正在努力充分发挥 Argon 的能力。
开发者关注的是，内部的积极评价最终会以何种形式转化为可实际使用的模型。参考资料没有公布 Gemini 4 的正式发布日期、Carbon 最终的产品名称、价格、使用条件，也没有提供可供比较的性能指标。
コメント