谷歌50天连发4款Gemini 4:Neon跑分反超Opus 5.5与GPT-6.2 Sol
OpenAI却有点拉了。
OpenAI那款顶级模型隔了75天才露面,刚上线社区就骂声一片。
有人直接说新模型“几乎没法用”,也有人嫌它太谨慎、不好调遣,还有人觉得它解释自己的活儿时像在“说外星话”。
更有人画了张漫画拿GPT-6.2 Astra的语言风格开涮,说这就是防御过当。

图片来源网络
前·赛博义父Tibo在X上提到,模型语言风格的问题他已经收到反馈,OpenAI也在琢磨怎么改。
底下评论区已经有人放话,要弃用OpenAI改投
Gemini。

说起来,谷歌最近的势头确实凶。
美国时间11月18日,Gemini 4 Neon(氖/霓虹)正式登场。往前数,9月底有Argon(氩),10月底有Carbon(碳),六天前刚发Hydrogen(氢)——不到50天,这已经是第四款Gemini 4模型。

谷歌公布的测试结果显示,编程、办公自动化、科学推理、多模态理解、长上下文这些方面,Neon几乎全面压过
Opus 5.5和刚出的GPT-6.2 Sol。
同一天还有一件事:谷歌向部分付费用户开放了世界模型Genie 4。用户在浏览器里就能生成并进入虚拟世界,探索时还能改天气、加角色,场景和声音跟着一起变。
两边一比,这一轮我站谷歌。
Gemini迭代有点快
发Neon之前,谷歌AI团队的人先在社区开了个玩笑:
“咱们这么赶着把这些产品都发出去,就是为了腾出时间玩《GTA 6》,对吧?”

Neon正式发布之后,还有谷歌高管专门提醒网友:“赶在《GTA 6》发布前,快来试试吧。”

GPT 6.2表现不咋地,GTA6倒是相当精彩。敢在这两个“大动作”之间把模型放出来,谷歌对自家模型应该是有底气的。
Neon本身也确实不差。Artificial Analysis综合智能评测里它拿了61分,高于Claude Opus 5.5的59分和GPT-6.2 Sol的57分,连它“上一级”Carbon的60分也被超了。
但Neon的61分是在最高思考强度Xhigh下取得的,Carbon的60分对应的是High档。都按High档算,两款模型同为60分。

谷歌的模型卡显示,Neon是在Carbon基础上适配出来的,定位很清楚:性能接近旗舰,同时跑得更快、用得更省。
官方数据说,默认High思考档下,Neon完成同类评测任务的平均成本比Carbon低32%。它还给了四档思考强度,用户能按任务难度自己调成本和速度。
不过这个成本优势说的是完成任务的平摊花费。Neon现在的API价格是每百万输入Token 3美元、输出Token 15美元,单看单价,比还在促销期的Carbon要贵。
跑分之外,Zapier的办公自动化测试AutomationBench里,Neon拿到56.3%,高于Claude Opus 5.5的42.5%和GPT-6.2 Sol的41.3%。
这项测试要AI自己走完真实业务流程——操作软件、处理数据、跨应用执行任务,多少能反映Agent的实际干活能力。
考察长期任务执行能力的Vending-Bench 2里,Neon同样表现不错。它要独立经营一台模拟自动售货机,管采购、补货、定价、跟供应商谈判。模拟运营一年后,Neon平均留下16,843美元的账户余额。
编程能力上,Neon在Artificial Analysis Coding Agent Index中拿下58.6分,以微弱优势压过Fable 5.2一头。

但Neon并不是全面占优。按谷歌自己晒出的成绩单,Claude Opus 5.5在两项编程测试里仍然略高一筹:Terminal-Bench 4.1拿到65.8%,Neon是65.2%;FrontierCode 2.0为47.3%,Neon则是46.2%。
现在,Neon已向Gemini App的Pro和Ultra订阅用户开放;开发者这边,可以通过Google AI Studio、Gemini API和Antigravity调用Neon。
在Antigravity里,Neon还能当任务协调者:把活分给多个Hydrogen子Agent并行去干,自己负责规划、统筹和验收结果。这套协作机制早先在Carbon和Hydrogen之间已经跑通,如今Neon也接了进来。
谷歌称,新模型对PDF、电子表格、图片等不同格式的材料处理得更顺手,能结合Gmail、Docs里的信息生成报告,也能应付更复杂的多步骤Tasks任务。
从最高端的复杂推理,到简单任务,再到要兼顾性能和成本的Agent工作,谷歌给不同模型划出的分工正越来越清晰。
而且,仅仅49天,谷歌就一口气推出了四款Gemini 4模型。
9月30日Gemini 4 Argon发布,10月28日Carbon接棒,11月12日Hydrogen登场,11月18日又来了Neon。
不过,四款模型密集亮相,不等于谷歌在49天里从零造出了四套完全不同的模型。谷歌DeepMind公布的模型卡显示,Gemini 4系列的技术继承关系很明确:Carbon基于Argon开发,Hydrogen和Neon则都是在Carbon基础上适配出来的。
后面的模型一路追赶甚至反超前代,最早登场的Argon就有些尴尬了——用户口碑还没立起来,风头就被后续版本抢走。
眼下在Gemini App中,Neon已经把Argon原先的位置顶了下来。
谷歌还造了一个“世界”
要说起来,谷歌最近多少有点想当“造物主”的意思。
Argon是氩,Carbon是碳,Hydrogen是氢,Neon是氖……Gemini 4这个系列,走的是“元素路线”。
表面看,这和“文学”的Claude、“天体”的GPT能凑到一桌,但不如前两家直观。几乎每场模型发布贴下面都有网友吐槽“看不出和模型性能之间的关系”,还有人调侃“是不是有朝一日要把元素周期表给占满”。
(顺带说一句,这个梗谷歌自己也在玩,现在打开Google AI Studio,真多了一个能在元素周期表里挑模型的互动界面。)

光在元素周期表上点名还不够,就在Neon发布同一天,谷歌宣布向部分付费用户开放世界模型Genie 4,让用户直接生成并走进一个由AI创造的虚拟世界。
这款模型其实10月27日就亮过相,但此前只向受邀测试者提供研究预览。现在它终于从封闭测试走向普通消费者,开放给符合条件的Google AI Ultra订阅用户;Pro会员可以加入等待名单。

只要输入文字或图片,Genie 4就能实时生成一个可自由探索、互动的虚拟环境。用户能用键盘和鼠标在场景里移动,也能随时输入新指令,改天气、加角色,甚至调整接下来发生的事件。
Genie 4还能同步生成声音——环境里的风声、水声,角色之间的对话,都会随场景变化实时调整。
模型卡显示,Genie 4可实时生成最高720p、每秒24帧的画面,并提供同步音频。


这次更新中,谷歌还加了一个专门帮用户设计虚拟世界的Agent(Project Genie Agent)。用户像聊天一样描述想要的场景,它就能帮着设计画面风格、搭配背景音乐。
进入虚拟世界后,用户还能让Gemini一起探索。它能观察当前画面,建议接下来去哪、做什么,甚至根据探索过程触发新事件。
谷歌还搭了社区画廊,用户可以探索、修改和分享别人制作的虚拟世界。

Genie 4相比Genie 3,在画面真实感、物理模拟和交互能力上都有比较明显的提升。但要说体验已经接近真正成熟的开放世界,还差得远。谷歌自己承认,长时间运行、频繁修改场景时,Genie 4仍可能出现物体突然变化、空间细节不一致的问题,复杂物理交互也有待改善。
Genie 4能往前走一步,背后离不开别的技术撑腰。谷歌DeepMind在10月的研究公告里提到,Genie 4的技术底子来自Gemini系列:画面和行为表现贴近现实,靠的是Gemini Omni;虚拟世界要保持连贯,则靠其他Gemini模型参与推理。
谷歌最近在视频模型上也没歇着。11月5日推出的Gemini Omni 1.2 Flash,把单次视频生成的最长时长从10秒拉到了15秒,角色和场景的一致性有所提高,生成价格还降了30%。
角色、场景和动作的连贯性,新版本做了改善。用户通过多轮对话,可以反复修改视频里的背景、人物或镜头,原有画面的细节尽量保留,修改时出现的画面错乱也少了。

世界模型这条路线还有一个想象空间不小的用途:训练机器人。谷歌已经动手尝试,把通用模型和世界模型搭在一起,用虚拟场景来模拟机器人的行动。
11月10日,谷歌DeepMind推出Gemini Robotics 2.5,重点在于提升机器人执行复杂操作的能力,让它们能处理更多以前难以完成的精细任务。
谷歌与Apptronik、奔驰合作做了一项实际生产线的概念验证。搭载Gemini Robotics 2.5的Apollo 2人形机器人,能够自主从料箱中取出汽车零件,再按生产需要放进指定容器。谷歌公布的结果显示,这项试验的任务成功率达到96%。

有意思的是,谷歌明确提到,Gemini 4 Argon在Robotics 2.5的研发过程中起了重要作用。研究人员用Argon生成大量模拟训练场景,让机器人在虚拟环境里练习操作,再根据实际任务失败的视频分析问题、尝试改进方案。
10月27日发布的Genie 4研究演示中,谷歌还展示了Argon与Genie 4配合模拟人形机器人下跳棋的过程:Argon负责把任务拆成步骤,Genie 4实时生成对应的场景变化。

刚刚因为模型更新太快而迅速让出旗舰位置的Argon,转头就成了另一项AI研究的帮手。谷歌最近密集发布的这些模型,也因此有了另一层意义。
Gemini系列负责推理与规划,Omni能生成视觉和声音,Genie尝试模拟真实世界,Robotics则让AI进一步控制现实中的机器。不同的研究方向已经开始相互配合,甚至相互加速。
谷歌正在同时推进多个AI领域的研发。可要让这么庞大的研发体系持续运转,光有模型显然不够。
多年家底,开始发力
十多年前,谷歌就开始研发TPU(Tensor Processing Unit,张量处理单元),最初主要用于语音识别、机器翻译等内部业务。如今TPU已经迭代到第八代,成为谷歌训练和运行Gemini系列模型的重要基础设施。
芯片这边,谷歌最近也在加快更新。11月9日,谷歌一口气推出TPU 8tx和TPU 8i Max两套新系统。算上今年4月发布的TPU 8t和8i,一年之内谷歌把第八代TPU系统扩充到了四套。
和Gemini 4系列类似,谷歌的TPU也开始明确分工。8t主要负责大规模模型训练,8i针对低延迟推理做了优化;新发布的8tx则专门加强机密计算能力,让企业在处理敏感数据时能更安全地运行AI模型。
8i Max这边,谷歌把两颗8i芯片塞进同一个封装,算力、片上缓存和高带宽内存带宽都翻了一倍,瞄准的是超长上下文以及多个Agent协同带来的算力缺口。
这么做也有现实考量:一颗芯片从设计到量产动辄数年,可AI模型的需求变得快多了。调整封装、内存、网络和安全架构,谷歌就能更快拿出适配不同场景的计算系统。
谷歌公布的数字显示,TPU 8t的训练性能最高能到上一代产品的2.7倍,8i的推理性价比最高提升80%。
公告里还提到,谷歌已经用上DeepMind研发的AlphaChip和Gemini模型来协助设计下一代芯片,部分原本要花数周的芯片布局工作被压缩到数小时。
芯片帮AI提速,AI又反过来帮着设计芯片,一个加速的循环就这样转了起来。
更何况,只拿TPU训练自家模型,谷歌已经不满足了。
10月20日,谷歌宣布开源TorchTPU。这套技术与Meta的PyTorch团队联合开发,开发者可以用熟悉的PyTorch框架在谷歌TPU上训练和运行AI模型,不用为了换硬件去大规模重写代码。
过去用谷歌TPU,往往得连带适应一套和英伟达GPU不一样的软件环境;现在,谷歌正设法把这笔迁移成本压下来。
11月9日谷歌透露,TPU业务已有接近100家客户,涵盖前沿AI实验室、金融机构、零售企业和大学等。
芯片和模型之外,谷歌手里还有庞大的现成产品体系可以承接模型。以最近发布的Hydrogen为例,模型刚推出,几乎同步就被放进了Gemini App和谷歌搜索。
新模型能一批批接进谷歌现有产品,直接触达原本就在用谷歌服务的用户。
产品体系的这番提速,恐怕也和今年那场大规模人事调整有关:
谷歌DeepMind在8月5日启动了一轮大调整。德米斯·哈萨比斯掌管DeepMind多年,这次交出日常管理权,改任DeepMind董事长兼Alphabet首席科学家;管理权交到原首席技术官科拉伊·卡武库奥卢手上,他直接向皮查伊汇报,主管Gemini模型开发、前沿AI研究以及相关产品团队。杰夫·迪恩、奥里奥尔·维尼亚尔斯等谷歌AI元老则陆续离开,自立门户。
那会儿Gemini的新一代旗舰模型已经推迟了两个月,部分内部测试成绩仍落后于竞争对手。几位核心研究人员出走,外界因此开始怀疑:谷歌是不是打算放弃争夺最强模型,把更多精力投向产品商业化。
但至少从最近交出的成绩单看,谷歌已经找回状态,重新站回了模型第一梯队。
10月28日Alphabet的财报电话会议上,CEO桑达尔·皮查伊提到,AI已经在帮谷歌加快模型训练和发布的速度。
他预计,未来12个月这种加速还会继续。
回头看OpenAI,GPT-6.2 Astra的模型能力依然强悍,OpenAI也表示正在想办法改进被吐槽的语言风格。
几天的社区差评,当然不足以说明OpenAI已经掉队。
只是谷歌的AI,这回是真的支棱起来了。