网易首页 > 网易号 > 正文 申请入驻

Gemini 4 Carbon能给谷歌挽尊吗?

0
分享至

来源:市场资讯

(来源:字母榜)

谷歌旗舰模型的保鲜期,怎么只有15天?

美国时间10月28日,在Alphabet第三季度财报电话会召开前约3小时,谷歌发布了新一代旗舰模型Gemini 4 Carbon,以59分登顶Artificial Analysis最新智能指数,超过了Claude Opus 5.5和GPT-6 Astra,成为全球第一。


模型拿了第一,财报就没那么喜庆了。

Alphabet第三季度自由现金流恶化至负90.65亿美元,连续第二个季度为负,股价盘后一度下跌超10%。

就在两周前,谷歌才正式向付费用户开放Gemini 4 Argon。

有网友直接评价:“Carbon比Argon强多了。我真希望谷歌当初直接跳过Argon,那样这次回归会更有说服力。”


还有网友调侃起了谷歌的命名方式:“两周内从氩(Argon)变成碳(Carbon),下一个就是铁(Iron),然后就该开始热处理了。笑死。”


从已经公开的数据来看,Gemini 4 Carbon的进步确实相当明显。

可惜谷歌又一次选择了分阶段开放,普通用户只能看着排行榜上的新冠军,继续使用刚被网友建议“直接跳过”的Argon。

01

哈基米重回全球第一

时隔约半年,谷歌终于重回Artificial Analysis智能指数的榜首。

上一次Gemini位列榜首还是今年4月,那时Gemini 3.1 Pro与GPT-5.4、Claude Opus 4.7并列第一。随后OpenAI和Anthropic相继推出更强的模型,谷歌直到Carbon发布才重新登顶。

在Artificial Analysis最新的智能指数v5.0中,Carbon获得了59分,较Argon的50分提高9分,比Claude Opus 5.5高1分、GPT-6 Astra高2分。


在组成该指数的9项测试中,Carbon拿到了4项第一,尤其擅长复杂推理、科学研究、知识问答和自动化任务。

其中最值得关注的是编程能力的提升。

在Artificial Analysis另一套专门衡量AI编程能力的Coding Agent指数中,Carbon获得59分,仅次于Claude Opus 5.5的62分。谷歌过去在这类测试中一直不算突出,这次终于追了上来。

在Terminal-Bench 4.0终端编程测试中,Carbon的成绩也从Argon的57.1%提高到65.2%。网页开发方面,Carbon在WebDev Arena上的评分较Argon提高89个Elo分,以1768分升至第四名(谷歌官方公告为1769分,本文以Arena原始排行榜为准)。

长上下文处理能力也有明显改善。在GraphWalks测试中,Carbon的成绩从Argon的84.2%提高到96.2%,超过GPT-6 Astra的71.8%。这项测试考察模型在长达百万Token的上下文中追踪复杂关联的能力。

不过,在编程Agent、部分软件工程及电脑操作测试中,Claude和GPT仍然保持领先。

跑分之外,谷歌特地强调了Carbon执行复杂任务的能力。

官方公告表示,Carbon专门针对长时间运行的Agent工作流程进行了优化。在内部测试中,它已经能够连续运行数天,反复尝试不同的方法,在大型代码库和底层系统中定位、修复复杂的错误。这意味着,Carbon有望在遇到困难时继续推进工作,逐步承担过去需要工程师长时间参与的任务。

另一项重点升级是模型的网络安全能力。

根据官方文档,在SEC-bench Pro漏洞发现测试中,Carbon获得88.2%的成绩;在ExploitGym漏洞利用验证测试中达到54.8%;在CWE-bench漏洞修复测试中达到71.0%,均取得了领先成绩。

谷歌还透露,在内部安全代码生成测试中,Carbon的成功率超过Argon的两倍。

此外,在Gray Swan的间接提示注入测试中,Carbon也取得了0%的攻击成功率。这项测试专门考察AI能否抵挡藏在网页、邮件和其他外部资料中的恶意指令。

在允许攻击者最多尝试15次的情况下,Carbon抵挡住了全部测试攻击。相比之下,Argon的攻击成功率为0.7%,Claude Opus 5.5为1%,GPT-6 Astra为8.5%。


还有一点,比较有意思:Carbon是个官方认定的“老实模型”。

过去一些AI模型为了完成任务,可能会钻测试环境的漏洞,甚至通过不符合任务要求的手段骗取高分。但谷歌宣称,Carbon在Terminal-Bench 4.0测试中的作弊成功率已经降至0%,作弊尝试率也降低至0.4%。

在内部测试中,Carbon缺乏依据的断言数量较Argon减少约一半,高严重程度的行为偏离警报下降近80%。模型越权操作的情况减少26%,任务完成不足的情况减少29%。

当然,这些结果仍然受到具体测试条件的限制,但可以看出,谷歌希望让AI在执行复杂任务时少耍小聪明。

至于价格,Carbon暂时沿用了Argon的优惠定价。

每百万输入Token收费2美元,输出10美元,缓存输入享受95%的折扣。优惠期结束后,价格将分别上涨至4美元和20美元。

Artificial Analysis的测试还显示,按照优惠期结束后的标准API价格计算,Carbon平均完成一项综合评测任务的成本为7.76美元,与Argon的7.68美元基本持平(但综合得分提高了9分)。

相比之下,Claude Opus 5.5的单任务成本为10.04美元,Carbon便宜约23%;GPT-6 Astra则只需6.24美元,比Carbon低约20%。


唯一的问题是,现在还没有多少人能够真正用上Carbon。

谷歌宣布,本周将率先向少数网络安全防御机构开放模型,再通过Fairwind计划逐步扩大至可信合作伙伴。普通消费者、开发者和企业客户还需要继续等待,具体开放时间尚未公布。

02

变强了,但也变慢了

虽然Carbon尚未全面开放,但在正式发布前,已经有部分开发者通过提前访问计划和Arena测试到了它。

从目前公开的反馈来看,Carbon确实比Argon强了不少——尤其是在3D内容生成方面。

10月21日,X用户Lumina分享了一组测试结果,包括生成体素宝塔,以及用SVG绘制骑自行车的鹈鹕。


他认为,Carbon生成的3D内容质量明显超过Argon,在多种任务中的整体表现也不错。但有一个很突出的问题:太慢了。

Lumina表示,根据具体任务不同,Carbon的生成速度比Argon慢约2至4倍。


另一位关注Carbon早期测试的网友Lentils也给出了相似的评价:3D能力明显提升,前端和UI设计依然不太理想,而且模型变得更慢了。

不过,他也发现一个积极的变化:Carbon没有以前那么“懒”了,在执行任务时更加积极,不容易敷衍了事。


速度问题并非个别开发者的错觉。独立评测机构Vals AI也发现,Carbon的能力提升伴随着明显的速度代价。

在金融和税务Agent测试中,Carbon平均完成任务的时间分别是Argon的2.25倍和2.12倍。其中,金融Agent的准确率甚至从67.66%小幅下降至67.16%。

法律研究测试中,Carbon虽然拿到了第一名,但平均每项任务需要近52分钟,比Argon多耗时约20分钟。

另一项争议来自Carbon的准确率问题。

有网友在X上直言:“说实话,只要谷歌还没把模型的幻觉率大幅降下来,不管它在基准测试里比其他模型高多少分,我都不感兴趣。”


Artificial Analysis的AA-Omniscience测试则显示,Carbon的知识问答正确率从Argon的48%提高到58%,但幻觉率从4%增加到了11%。


这里的幻觉率,衡量的是模型在没有完全答对的问题中,有多少比例给出了错误回答,而没有承认自己不知道。

前面提到过,谷歌在官方公告中还专门强调Carbon缺乏依据的断言较Argon减少了一半,两项测试的任务和统计口径不同。

还有不少开发者对谷歌的发布方式感到不满。

在Hacker News上,有网友抱怨,谷歌每次都急着宣布新模型,却迟迟不给出明确的开放日期。等到Carbon真正向公众开放,OpenAI和Anthropic可能已经发布了下一款更强的模型。


有网友给出了一个很损的比喻,他觉得谷歌这次的发布方式,简直就像一个人四处炫耀:“我有个女朋友,只不过她在另一所学校,你们都不认识她。”


03

模型拿了第一,但账还没算完

Carbon发布后几个小时,谷歌母公司Alphabet公布了第三季度财报。

如果只看营收和云业务的增长情况,谷歌的成绩其实相当漂亮。

第三季度,Alphabet总营收达到1275.77亿美元,同比增长25%。其中,Google Cloud营收307.09亿美元,同比增长103%,营收规模较去年同期翻了一倍多。云业务的营业利润也从去年同期的35.94亿美元增长至111.21亿美元,利润率由23.7%提高至36.2%。


用户规模同样在增长。皮查伊在财报电话会上透露,Gemini App的用户数已经达到10亿,成为谷歌历史上增长最快的产品;谷歌自有模型API每分钟处理近320亿Token,是一年前的四倍以上。

然而,资本市场的反应却相当冷淡。

10月28日美股常规交易时段,Alphabet股价还上涨了1.34%。但随着财报公布,股价迅速转跌,盘后跌幅一度超过10%。


Carbon刚刚帮谷歌拿下全球第一,似乎也没能挽住投资者的信心。

原因之一是广告业务不及预期。第三季度谷歌广告收入达到820.12亿美元,同比增长约11%,但比分析师预期低约14.1亿美元。

财报电话会上,谷歌高管表示,AI Mode虽然带来了快速增长的查询量,但目前每次查询的广告变现水平仍低于传统搜索,因此也在一定程度上拖累了谷歌搜索业务的收入增速。

与此同时,谷歌花钱的速度越来越快。

第三季度,Alphabet资本开支达到513.55亿美元,自由现金流降至负90.65亿美元,连续第二个季度为负。

虽然本季度的现金流还受到52亿美元欧盟罚款支付,以及TPU系统备货等因素影响,但基础设施投资的压力确实存在。

Alphabet预计,2026年全年资本开支将达到1950亿至2050亿美元,2027年还会继续显著增加。

为了满足持续增长的算力需求,谷歌甚至开始使用第三方算力,首席财务官预计,这将在短期内给云业务利润率带来压力。

在电话会上,皮查伊也透露了Carbon接下来的发展计划。谷歌正在开发Carbon的蒸馏版本,希望在兼顾算力成本、响应延迟和模型质量的前提下,将其部署到10亿用户规模的产品中。

这也从侧面说明,把模型做到全球第一,与把全球第一的模型交到10亿用户手里,中间仍然隔着相当大的成本和工程难题。

当然,谷歌有自己的优势。它已经拥有庞大的用户群体、盈利能力持续增长的云业务,以及能够对外销售的TPU系统。即使最强模型暂时不能全面开放,谷歌仍然有很多渠道将AI能力转化为收入。

而且谷歌已经开始在内部尝到AI带来的生产率红利。皮查伊透露,过去几周,谷歌的Chrome、广告和搜索团队使用Argon编写和优化代码,交付的代码量增加了35%,错误减少了30%。

如今,谷歌也已经开始在内部部署Carbon。皮查伊认为,新模型的能力又有了明显提升,随着更多员工获得使用权限和算力支持,未来一年谷歌内部的生产效率还有望进一步提高。

Carbon确实为谷歌挽回了技术上的面子,也让它在与OpenAI、Anthropic的竞争中重新占据了有利位置。

但资本市场需要的,恐怕不止一张漂亮的排行榜。(作者:袁心玥)

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
还在跌,黄金大跳水!杭州女子2个月前买了吊坠,今天一看直呼“亏麻了”,很多人坐不住了......

还在跌,黄金大跳水!杭州女子2个月前买了吊坠,今天一看直呼“亏麻了”,很多人坐不住了......

都市快报橙柿互动
2026-11-20 10:58:58
新一代本田冠道发布:新增三排成七座、中国特供变全球

新一代本田冠道发布:新增三排成七座、中国特供变全球

快科技
2026-11-20 16:43:35
那些年,APEC峰会领导人们穿过的“花衣裳”

那些年,APEC峰会领导人们穿过的“花衣裳”

黄娜老师
2026-11-20 09:17:10
辽宁男篮8分惜败!遭遇大逆转,姜宇星被罚下,付豪38分

辽宁男篮8分惜败!遭遇大逆转,姜宇星被罚下,付豪38分

体坛瞎白话
2026-11-20 22:20:17
女儿3年先后6次被同一“暴露狂”骚扰 爸爸奋力追赶取证 涉事男子已被批捕

女儿3年先后6次被同一“暴露狂”骚扰 爸爸奋力追赶取证 涉事男子已被批捕

闪电新闻
2026-11-19 17:56:52
金融街集团总经理被留置

金融街集团总经理被留置

地产微资讯
2026-11-20 19:48:43
“我不反华了”润去美国的前律师周君红,发文希望回国,但不能坐牢

“我不反华了”润去美国的前律师周君红,发文希望回国,但不能坐牢

消失的电波
2026-11-17 19:36:00
突发!台积电收紧对华AI芯片代工

突发!台积电收紧对华AI芯片代工

EETOP半导体社区
2026-11-20 08:17:23
1879年,浙江巡抚谭钟麟午睡醒来,经过通房丫鬟的房间时与她有了关系;正是这一次,这名丫鬟后来生下了一位国民政府主席

1879年,浙江巡抚谭钟麟午睡醒来,经过通房丫鬟的房间时与她有了关系;正是这一次,这名丫鬟后来生下了一位国民政府主席

人生录
2026-11-20 00:05:12
最高2001元!苹果官网突然加大优惠:11月27日开始,新iPhone促销

最高2001元!苹果官网突然加大优惠:11月27日开始,新iPhone促销

搞机小帝
2026-11-20 13:56:05
3-0、2-0、2-0!U17世界杯第首日:亚洲队集体爆发 中国队爆冷?

3-0、2-0、2-0!U17世界杯第首日:亚洲队集体爆发 中国队爆冷?

大秦壁虎白话体育
2026-11-20 08:16:29
美国批评乌克兰袭击俄罗斯大桥事件,德国防长尖锐反驳:美国是“相当愚蠢”!

美国批评乌克兰袭击俄罗斯大桥事件,德国防长尖锐反驳:美国是“相当愚蠢”!

忧郁天空
2026-11-18 18:32:55
西班牙U17队5-0中国男足U17队,赛后评分:西班牙10号排第一

西班牙U17队5-0中国男足U17队,赛后评分:西班牙10号排第一

侧身凌空斩
2026-11-20 23:54:16
34岁前国脚出来了!因赌球被终身禁足+获刑3年 与两名女网友合影

34岁前国脚出来了!因赌球被终身禁足+获刑3年 与两名女网友合影

念洲
2026-11-20 13:51:28
中国股市:写给处于严重亏损的股民们的一封信,此文,很短很深

中国股市:写给处于严重亏损的股民们的一封信,此文,很短很深

屿探涨
2026-11-17 11:25:04
“把你们都杀了!”四川一业主群声讨楼下广场舞大娘,当晚领舞死了

“把你们都杀了!”四川一业主群声讨楼下广场舞大娘,当晚领舞死了

罪案洞察者
2025-07-26 15:35:50
黄仁勋要“再创业”? 预测:可能筹资500亿美元 创办新半导体公司

黄仁勋要“再创业”? 预测:可能筹资500亿美元 创办新半导体公司

每日经济新闻
2026-11-20 17:00:30
不准中国接俄,也不准中国收台,更不准管制稀土。七国集团曾明确指出,中国不能援助俄罗斯,不能以武力改变台海现状,也不能限制稀土出口

不准中国接俄,也不准中国收台,更不准管制稀土。七国集团曾明确指出,中国不能援助俄罗斯,不能以武力改变台海现状,也不能限制稀土出口

扶苏聊历史
2026-11-18 15:55:59
俄媒:北约参与袭击克里米亚大桥

俄媒:北约参与袭击克里米亚大桥

参考消息
2026-11-20 10:56:39
陈羽凡现状:低调生活,50岁胖到认不出,17岁儿子1米8长得像妈

陈羽凡现状:低调生活,50岁胖到认不出,17岁儿子1米8长得像妈

三公子娱乐丫
2025-05-17 17:59:45
2026-11-21 01:35:00
新浪财经 incentive-icons
新浪财经
新浪财经是一家创建于1999年8月的财经平台
5571730文章数 10044关注度
往期回顾 全部

数码要闻

狗子一泡尿主机直接变砖!网友:先别开机还有救

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

旅游
时尚
手机
游戏
健康

旅游要闻

登大报恩塔找毕业设计灵感  “去看塔”青年共创营里长出文创新点子!

《后会友期》的癫,还得她们治

手机要闻

荣耀新品大爆发:X系列、Power、阔折叠屏,均有新消息传出!

发现黄仁勋实在挑不出毛病后,皮衣侠的背锅梗图开始席卷全球了

医生眼里"很伤腰"的椅子,很多人天天坐

无障碍浏览 进入关怀版