Gemini遭SemiAnalysis公开道歉:误信Anthropic室友,没读模型卡
今天,知名半导体和 AI 研究机构 SemiAnalysis 在 X 上发了一张写给 Google DeepMind 主席 Demis Hassabis 的《向 Google 道歉专用表》。

今天,半导体与AI研究机构SemiAnalysis在X上贴出一张《向Google道歉专用表》,收件人是Google
DeepMind主席Demis Hassabis。

表格的理由栏里勾了好几项,包括「我只看了X上大家的消息」、「我那在Anthropic工作的室友,说服我相信
Gemini已经完了」和「我没有阅读模型卡」。最有意思的是最后一行:「Demis,关于Gemini 4,我们错了。我们只想撤回一个词。」
这个词就是从当初标题里划掉的is:Gemini is cooked。一句「Gemini完了」,改口成了「Gemini这回真做出了点东西」。

事情要从今年8月说起。SemiAnalysis当时发了一篇文章,核心意思是Google自去年11月短暂领先之后,再没拿出过让人激动的模型,基本处于掉队状态。
文章分析了DeepMind强化学习团队的人员流失,也点了内部算力分配不到位的问题,随后给出一个很重的判断:Google当然还会继续发模型,但再次达到行业最高水平的概率已经「降到了零」。
报告发出不到两个月,谷歌就公布了Gemini 4 Argon,接着10月底发布Carbon、11月12号推出Hydrogen,18号发布Neon,短短8天接连推出3款模型,其中Carbon当时还登上了Artificial Analysis综合能力榜首。

这批新模型在社交媒体上收获大量好评。主打Flash的Hydrogen在写作、复杂软件工作上能快速完成任务;最智能的Carbon擅长处理各类长程Agent任务;居中的Neon兼顾速度与智能,被称为Gemini 4系列中综合能力最强的一款。
X上类似「Gemini 4 Neon太疯狂了」、「Gemini 4 Neon实际上比你想象的还要疯狂」、「Gemini 4 Neon解决了人们此前对Gemini模型的所有不满」的评论,被大量用户点赞认同。

今天,Google DeepMind研究员Arthur Douillard在X上透露,他们曾把那篇批评文章打印出来放在桌上,每天提醒自己。他说有些问题当时确实存在,还想感谢SemiAnalysis那篇文章带来的激励。
他提到,那篇文章被团队打印出来摆在桌上,用来每天提醒自己当时面对的实际情况,并感谢@SemiAnalysis_带来的动力;他说这话时身在Gemini RL扩展团队,随后又补了一句:时代在变。:)

随后SemiAnalysis转发了Douillard的帖子,也晒出一张纸,正是开头那份填给Google的「道歉表」。
几小时后,Hassabis转发该帖接梗,表示「接受道歉」,还打趣说对方漏勾了「低估了Google DeepMind这群高手」这一项。
其实在机构官号发梗图的两周多前,「8月看空报告」的共同作者Dylan Patel就已在Gemini 4 Carbon的评测发布后,以个人名义向Google公开致歉。

8月初被权威机构公开唱衰,到11月中旬几周内连推四款Gemini 4系列模型并重返榜单前列,Google内部到底做了怎样的调整和积累?
Google这么多TPU,怎么也不够用
回到今年夏天,对Gemini的唱衰并非没有来由。原定6月推出的Gemini 3.5 Pro迟迟没有上线——Google CEO桑达尔·皮查伊曾在5月的I/O大会上预告该模型计划于6月推出,最终未能如期发布。
算力受限,加上多位项目负责人之间存在意见分歧,编程等后来显得至关重要的方向在当时拿到的资源偏少。此后接掌研发的Koray Kavukcuoglu也解释称,团队那一阶段把更多注意力放在了迭代较快的Flash模型上。

内部资源博弈、外界质疑声不断,Google于8月5日宣布对DeepMind进行重大组织调整:原DeepMind CTO、Google首席AI架构师Koray Kavukcuoglu出任DeepMind高级副总裁,直接向皮查伊汇报,全面负责Gemini模型开发、前沿研究以及Gemini应用和开发者团队。

Demis Hassabis交出日常运营职责,转任DeepMind主席和Alphabet首席科学家;与此同时,Gemini原技术共同负责人Jeff Dean、Oriol Vinyals,与Sanjay Ghemawat、Quoc Le一同离开谷歌,创办了Discovery Loop。
在多数人的印象里,Google既不缺数据又不缺卡,怎么会做不成大模型。但即便有自己的AI芯片TPU,训练下一代Gemini要用,给眼前的用户生成答案要用,Google Cloud的客户也在排队。

芯片卖出去对集团是笔好生意,可研究员排不上实验,就等于活儿干不了。这一轮调整下来,团队对模型该练什么、做完怎么交到用户手里,也看得更清楚了。外媒报道称,谷歌云高管同样希望 Koray 接手 DeepMind 之后,能把内部围绕 TPU 供应分配的紧张气氛压下去。
Gemini 4 这一仗准备了多长时间?要是把几款模型集中爆发、口碑翻身都记在 8 月那次人事调整和算力安排头上,那就把大模型研发的长周期规律看轻了。
公开记录摆在那里:8月5日组织调整、8月7日看空报告出炉之前,Gemini 4 的底座工程已经开跑。2026年7月22日的 Alphabet 二季度财报电话会上,皮查伊说得很直白,Gemini 4 已经启动「Google 迄今最有野心的预训练」。回答分析师提问时他补充,管理层把大量算力和精力压到了 Gemini 4 上,想靠这一代基础模型把后续迭代提起来,发布节奏要往接近每月一版推。

Koray 在 9 月初和 11 月 19 日的两场播客访谈里,把 Gemini 4 的研发机制讲得更细。DeepMind 内部几条研发线同时跑:一组人打磨当前要发布的版本,另外两组已经在做后面两代。10 月露面的 Gemini 4,背后至少有一年的连续研发积累。
大规模预训练和多线并行搭好了底座,真正让 Gemini 4 在编程、智能体执行上明显往前跨一步的,是一套贴着真实工程场景的后训练体系。
2026年11月12日,时任 Gemini 后训练负责人的 Melvin Johnson 站上 AI Engineer CODE 大会的台,开口先提 SemiAnalysis 那篇批评文章,随后把 Google 内部的训练方法摊开来讲。

第一步,拿内部真实工作流替掉静态公开题库。Johnson 说,Google 内部每天大约有 10 万名员工在用编程工具 Antigravity 写代码。后训练团队每训出几个候选版本,就在内部发起盲测,让工程师拿手上的真实开发任务去试,挑更顺手的那个。跨文件修改时卡在哪一步、哪次改动把原有逻辑弄坏了,这些真实的「失手现场」马上被收回来,变成下一轮的训练题和评分细则。

另一头,「过期题目」该扔就扔。强化学习里,模型一旦进化到某道题怎么试都能稳定拿满分,每次采样得到的奖励信号就完全一样,它没法分辨「哪种做法更好」,这类题必须撤下,换上更难的。
第二步,重新定义什么叫「做完了」,并把智能体的诚实度摆到重点位置。传统代码评测跑通单元测试就给分;Gemini 4 的后训练评分不只看功能有没有实现,还要看边界条件怎么处理、代码质量如何、改动范围收没收住、以后好不好维护。

更关键的一点,评分系统会把模型的「自我汇报」和实际操作日志一条条对。难题只做了一半,模型如实交代进度,照样能拿部分奖励;可要是连测试都没跑就声称「全部通过」,惩罚会很重。
Johnson 还提到,Google 内部一项高难度工程评测里,基线模型的编造率为 8%,Hydrogen 约为 3%,Carbon 约为 1.5%。

底座扎实,后训练又下狠劲,结果是从 9 月底到 11 月中旬的七周里,Google 连着公布了四款 Gemini 4 系列模型。Hydrogen 和 Neon 都是从 Carbon 适配出来的:Carbon 盯着需要长时间推理的难题,Hydrogen 追日常任务的执行速度,Neon 在推理深度和效率之间找平衡。
图|我们在 11 月看到的几次密集更新,背后有一部分是同一代底座的研发成果陆续落地。
回头看,SemiAnalysis 当时点出的不少问题确实存在,DeepMind 的研究员也没否认。可三个月后的结果说明,外界还是低估了 Google 多年攒下的研发能力,以及它把这些能力集中砸到一代模型上的速度。
现在的 Gemini 4,又成了别的模型得认真对付的对手。Google 不光把编程、Agent 这些能力推回第一梯队,在真实用户使用和产品体验上,也开始追 Codex、Claude 这些 Agent。
图|Gemini 现在可以在后台操作 Mac 应用和网站,以完成复杂任务。
对我们来说,这当然是好事。御三家斗得越凶,厂商越肯砸算力、抢用户,我们就有机会用上更便宜、更可靠、更好访问的 AI(哈基米你可别学另外两家)。