Gemini 4 翻身背后:SemiAnalysis 填表道歉,Hassabis 接梗回应
Google DeepMind通过组织调整、算力重新分配和训练体系升级,在短短七周内连续推出四款Gemini 4模型。依托大规模预训练、多线并行研发和真实工程场景的强化学习训练,Gemini在编程和Agent能力上实现突破,重返行业第一梯队,此前唱衰Google的SemiAnalysis也公开致歉。
今天,SemiAnalysis 在 X 上贴出一张《向 Google 道歉专用表》,收件人写的是 Google DeepMind 主席 Demis Hassabis。这家机构在半导体和 AI 研究领域颇有名气。

表里勾选的理由不少:「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」、「我没有阅读模型卡」。最抓眼球的还是最后一行:「Demis,关于 Gemini 4,我们错了。我们只想撤回一个词。」
他们动手把当初标题里的一个 is 划掉了:Gemini is cooked。一句话从「Gemini 完了」,翻成了「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,再没拿出过让人兴奋的模型,基本处在掉队状态。
文章分析称,DeepMind 强化学习团队流失了不少人,内部算力也没分配好。他们由此下了个很重的判断:Google 当然还会继续发模型,但想再回到行业最高水平,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。8 天里连推 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 能快速完成写作、复杂软件工作等任务;最智能的 Carbon 擅长各类长程 Agent 任务;夹在中间的 Neon 兼顾速度与智能,被看作 Gemini 4 系列里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,也想感谢 SemiAnalysis 那篇文章带来的激励。
他提到,@SemiAnalysis_ 那篇文章给了团队动力。Gemini RL 扩展团队当时把它打印出来摆在桌上,天天对照,提醒自己现实是什么样。他接着写道,情况会变。:)

很快,SemiAnalysis 转发了 Douillard 的帖子,并晒出那张纸——就是开头填给 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两周多前,「8 月看空报告」的共同作者 Dylan Patel 就已经在 Gemini 4 Carbon 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 内部到底做了哪些调整和积累?
Google 这么多 TPU,怎么也不够用
回到今年夏天,唱衰 Gemini 并非全无根据。原定 6 月推出的 Gemini 3.5 Pro 迟迟没上线——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 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意见不一,编程等后来至关重要的方向当时拿到的资源偏少。此后接掌研发的 Koray Kavukcuoglu 也解释过,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 在 8 月 5 日宣布对 DeepMind 做重大组织调整: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 一道离开谷歌,创办了 Discovery Loop。
在多数人的印象里,Google 既不缺数据也不缺卡,怎么会做不成大模型。可就算自家有 AI 芯片 TPU,训练下一代 Gemini 要用,给眼前用户生成答案要用,Google Cloud 的客户也在排队。

对集团来说,芯片卖出去是好生意;对研究员来说,排不上的实验就是做不了。
这轮调整也让团队更清楚模型该练什么、做出来怎样交到用户手里。据外媒报道,谷歌云高管同样希望 Koray 接掌 DeepMind 后,能缓和内部在 TPU 供应分配上的紧张关系。
Gemini 4 的翻身,准备了多久
若把 Gemini 4 几款模型集中爆发、广受好评的功劳全记在 8 月的人事调整和算力安排上,那就低估了大模型研发的长周期规律。
公开信息里,Gemini 4 的底座工程动手时间比 8 月 5 日的组织调整和 8 月 7 日那份看空报告都早。2026 年 7 月 22 日 Alphabet 二季度财报电话会上,皮查伊说得很直接: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道,管理层把大量算力和精力压到了 Gemini 4 上,想借这一代基础模型把后续迭代速度提起来,发布节奏要逼近每月一版。

到了 9 月初和 11 月 19 日,Koray 在两场播客访谈里把 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沿革。
大规模预训练加上多线并行,撑起了底座。Gemini 4 在编程和智能体执行上能明显往前迈一步,靠的则是一套从真实工程场景里长出来的后训练体系。
2026 年 11 月 12 日,时任 Gemini 后训练负责人的 Melvin Johnson 在 AI Engineer CODE 大会上,拿 SemiAnalysis 的批评文章当开场,把 Google 内部的训练方法摊开讲了一遍。

第一步,是用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 万名员工拿编程工具 Antigravity 写代码。后训练团队每训出几个候选版本,就在内部搞盲测,让工程师用自己手头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、哪一次把既有逻辑改坏了,这些真实的「失手现场」会被马上收回来,变成下一轮训练题和评分细则。

同时,团队会主动扔掉「过期题目」。强化学习里,模型一旦对某道题反复试都能稳定拿满分,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,换成更难的。
第二步,是重新定义什么叫「做完了」,并且把智能体的诚实度单独拎出来看。
过去评代码,单元测试跑通就能得分。Gemini 4 的后训练评分不看这一项就完事,还要看边界条件怎么处理、代码质量如何、改动范围收得收不住,以及后面好不好维护。

更关键的是,评分系统会把模型自己的「汇报」和它的实际操作日志一条条对。一道难题只做了一半,模型如实交代进度,仍能拿部分奖励;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,后训练强度也够,Google 从 9 月底到 11 月中旬的七周内接连公布了四款 Gemini 4 系列模型。
Hydrogen 和 Neon 都是从 Carbon 适配出来的。Carbon 盯的是需要长时间推理的难题,Hydrogen 追求日常任务的执行速度,Neon 想在推理深度和效率之间两头兼顾。

现在回头看,SemiAnalysis 当时点出的很多问题确实存在,DeepMind 的研究员也没否认。只不过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。
眼下的 Gemini 4,又成了其他模型绕不开的对手。Google 把编程、Agent 这些能力重新推回第一梯队,在真实用户使用和产品体验上,也开始追 Codex、Claude 这些 Agent。
对用户来说这是好事。御三家争得越凶,厂商越肯投算力、抢用户,我们越有机会用上更便宜、更可靠、更容易访问的 AI(哈基米你可别学另外两家)。