谷歌50天连发4款Gemini:Neon跑分超Opus 5.5与GPT-6.2 Sol
OpenAI却有点拉了。
(本文作者为 字母AI,钛媒体经授权发布)
OpenAI那款顶级模型隔了75天才露面,刚发布,社区吐槽就炸开了。
有人说新模型“几乎没法用”,有人嫌它太谨慎、不好指挥,还有人觉得它解释自己的活儿时像在“说外星话”。
更有人画了漫画玩梗,拿GPT-6.2 Astra的语言风格开涮,说这是防御过当。
前·赛博义父Tibo在X上提到,模型语言风格方面的反馈他已经收到,OpenAI正琢磨怎么改。
评论区已经有人放话,打算弃用OpenAI,换
Gemini。

平心而论,谷歌最近的势头确实猛。
美国时间11月18日,Gemini 4 Neon(氖/霓虹)正式亮相。往前数,9月底有Argon(氩),10月底有Carbon(碳),六天前刚发了Hydrogen(氢)——不到50天,谷歌已经推出四款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、长上下文这些领域,Neon几乎全面压过
Opus 5.5和刚推出的GPT-6.2 Sol。
这还没完。同一天谷歌又宣布,世界模型Genie 4向部分付费用户开放。用户能在浏览器里直接生成并进入虚拟世界,探索过程中还能改天气、加角色,场景和声音也跟着变。
两相对比,这一轮我站谷歌。
Gemini迭代有点快
发Gemini 4 Neon之前,谷歌AI团队成员在社区开了个玩笑:
“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正式发布后,还有谷歌高管专门招呼网友:“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”中间把模型发出来,谷歌对自家模型应该是有底气的。
Gemini 4 Neon确实不差。Artificial Analysis综合智能评测里,Neon拿到61分,Claude Opus 5.5是59分,GPT-6.2 Sol是57分,连它“上一级”的Carbon也只有60分。
但Neon的61分是在最高思考强度Xhigh下跑出来的,Carbon的60分对应的是High档。都用High档的话,两款模型同为60分。

谷歌公布的模型卡显示,Neon是在Carbon基础上适配的,定位很清楚:性能尽量贴近旗舰,同时把执行速度提上去、使用成本压下来。
官方数据说,默认High思考档位下,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,用户可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均花费。Neon当前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中,Neon拿到56.3%,Claude Opus 5.5是42.5%,GPT-6.2 Sol是41.3%。
这项测试让AI独立跑真实业务流程,包括操作软件、处理数据、跨应用执行任务等,多少能反映Agent的实际工作能力。
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。模拟运营一年下来,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中得分58.6,以微弱优势压过Fable 5.2。

但Neon并不是样样都赢。谷歌自己公布的成绩单里,Claude Opus 5.5在两项编程测试中仍然稍占上风:Terminal-Bench 4.1拿到65.8%,Neon是65.2%;FrontierCode 2.0为47.3%,Neon为46.2%。
眼下Neon已向Gemini App的Pro和Ultra订阅用户开放,开发者则能通过Google AI Studio、Gemini API和Antigravity调用。在Antigravity里,它还可以当任务协调者,把活分给多个Hydrogen子Agent并行去干,自己负责规划、统筹和查验结果。这套协作机制早先在Carbon和Hydrogen之间已经跑通,现在Neon也接了进来。
按照谷歌的说法,新模型处理PDF、电子表格、图片这类不同格式的材料更顺手,能结合Gmail、Docs里的信息做报告,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越来越清晰。49天里,它已经连着推出了四款Gemini 4模型。
时间线是这样的: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。
四款模型接连亮相,可不代表谷歌在49天里从头造出了四套完全不同的东西。谷歌DeepMind公布的模型卡显示,Gemini 4系列的技术继承关系很清楚:Carbon基于Argon开发,Hydrogen和Neon又都是在Carbon的基础上适配出来的。
后续模型一路追赶甚至反超前代,最早登场的Argon就有些尴尬了——用户口碑还没建立起来,风头就被后来的版本抢走。如今在Gemini App里,Neon已经顶掉了Argon原来的位置。
[标题] 谷歌还造了一个“世界”
说起来,谷歌最近多少有点想当“造物主”。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能坐到一桌去,但不如前两家直观。几乎每个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”。
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选模型的互动界面。

光在元素周期表上点名还不够。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、进入一个由AI创造的虚拟世界。这款模型10月27日就已亮相,此前主要向受邀测试者提供研究预览。现在它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。

只消输入文字或图片,Genie 4就能实时生成一个可以自由探索、互动的虚拟环境。用户用键盘和鼠标在场景中移动,也能随时输入新指令,改变天气、加入角色,甚至调整接下来发生的事件。声音同样能同步生成——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能实时生成最高720p、每秒24帧的画面,并提供同步音频。


这次更新里,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,它就能帮忙设计画面风格、搭配背景音乐。进入虚拟世界后,用户还能让Gemini一起探索:它观察当前画面,给出接下来去哪、做什么的建议,甚至根据探索过程触发新事件。
谷歌还建了社区画廊,用户可以探索、修改和分享其他人制作的虚拟世界。

和上一代Genie 3相比,Genie 4在画面真实感、物理模拟、交互能力上都有较明显的提升。可要说到真正成熟的开放世界,它离得还远。谷歌自己也承认,Genie 4长时间运行或者频繁改动场景时,物体可能突然变形,空间细节也会对不上,复杂的物理交互同样有改善余地。
Genie 4能走到这一步,背后靠的是别的技术撑着。谷歌DeepMind在10月的研究公告里说明,Genie 4的技术底子来自Gemini系列:画面和行为表现贴近现实这部分由Gemini Omni负责生成,推理环节则交给其他Gemini模型,用来维持虚拟世界的连贯。
提到Gemini Omni,谷歌在视频模型这条线上近期动作也不少。11月5日亮相的Gemini Omni 1.2 Flash,把单次视频生成的最长时间从10秒拉长到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、动作的连贯性在新版本里得到改善。用户能通过多轮对话反复调整视频里的背景、人物或镜头,原有画面的细节尽量保留下来,修改时出现的画面错乱也随之减少。

世界模型还有一条想象空间不小的路子:拿来训练机器人。谷歌已经在试把通用模型和世界模型凑到一起,用虚拟场景模拟机器人的动作。
11月10日,谷歌DeepMind发布Gemini Robotics 2.5,着力提升机器人执行复杂操作的水平,让它们能接手更多以前做不来的精细任务。
在与Apptronik、奔驰合作的一项实际生产线概念验证中,搭载Gemini Robotics 2.5的Apollo 2人形机器人可以自主从料箱里取出汽车零件,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,谷歌明确表示,Gemini 4 Argon在Robotics 2.5的研发中起了不小的作用。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操作,再对照实际任务失败的视频找问题、试改进方案。10月27日发布的Genie 4研究演示里,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把任务拆成步骤,Genie 4实时生成对应的场景变化。

前脚才因为模型更新太快而迅速让出旗舰位置的Argon,后脚就成了另一项AI研究的帮手。谷歌最近密集发布的这些模型,也因此多了一层意义。
Gemini系列管推理与规划,Omni负责生成视觉和声音,Genie试着模拟真实世界,Robotics则让AI进一步操控现实中的机器。几条不同的研究方向已经开始互相配合,甚至互相加速。
谷歌同时在推进多个AI领域的研发。可要让这么庞大的研发体系持续转起来,光有模型显然不够。
多年家底,开始发力
十多年前,谷歌就开始做TPU(Tensor Processing Unit,张量处理单元),最早主要用在语音识别、机器翻译这些内部业务上。如今TPU已经迭代到第八代,成了谷歌训练和运行Gemini系列模型的重要基础设施。
芯片这边的更新也在提速。11月9日,谷歌一口气推出TPU 8tx和TPU 8i Max两套新系统。加上今年4月发布的TPU 8t和8i,谷歌一年之内把第八代TPU系统扩充到了四套。

和Gemini 4系列一样,谷歌的TPU也开始明确分工。8t主要承担大规模模型训练,8i针对低延迟推理做了优化;新发布的8tx则专门强化机密计算能力,让企业在处理敏感数据时能更安全地运行AI模型。
至于8i Max,谷歌把两颗8i芯片塞进了同一个封装里,算力、片上缓存和高带宽内存带宽全部翻倍。它瞄准的是超长上下文,以及多个Agent协同工作带来的算力缺口。
这么做也有现实考量:一颗芯片从设计走到量产,往往要花好几年,可AI模型的需求变得比这快得多。谷歌的办法是动封装、动内存、动网络和安全架构,从而更快拼出适配不同场景的计算系统。
谷歌公布的数据显示,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模型来帮忙设计下一代芯片,部分原本要数周才能完成的芯片布局工作,被压缩到了数小时。
AI帮着设计芯片,芯片再为更强的AI提供算力。一个加速的循环就这样转了起来。
更何况,谷歌现在要做的,已经不只是拿TPU训练自家模型。
10月20日,谷歌宣布开源TorchTPU。这项技术与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,不必因为换硬件而大规模重写代码。
过去用谷歌TPU,往往得先适应一套和英伟达GPU不一样的软件环境。现在谷歌在做的,就是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。
只有芯片和模型还不够,谷歌手里还有庞大的现成产品体系,能让模型真正派上用场。以最近发布的Hydrogen为例,模型刚推出,谷歌几乎同步就把它放进了Gemini App和谷歌搜索。
新模型因此能不断被引入谷歌已有的产品,直接触达原本就在使用谷歌服务的用户。
说到产品体系,这段时间的“加速”,恐怕也和
8月5日,DeepMind 完成一次大调整。德米斯·哈萨比斯不再负责日常管理,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·卡武库奥卢手中,他直接向皮查伊汇报,分管 Gemini 模型开发、前沿 AI 研究以及相关产品团队。与此同时,杰夫·迪恩、奥里奥尔·维尼亚尔斯等谷歌 AI 老将先后离开,另立门户。
那时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,也让外界开始怀疑: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。
至少从最近交出的成绩单看,谷歌已经找回了状态,重新站稳模型第一梯队。
10月28日,在Alphabet的财报电话会议上,CEO桑达尔·皮查伊提到,AI已经开始帮助谷歌加快模型训练和发布的速度。
他预计,这种加速在接下来12个月还会延续。
回头再看OpenAI,GPT-6.2 Astra的模型能力其实依然强悍,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。
但谷歌的AI,这回是真的支棱起来了。