Gemini 4 翻身记:SemiAnalysis 补交道歉表,Hassabis 接梗

资讯 爱范儿 全文 4126 字 · 约 11 分钟读完 配图 16 张 分类GeminiGoogleAI 编程智能体

曾断言 Gemini 掉队的研究机构 SemiAnalysis,在 Gemini 4 系列密集发布后向 Google 公开致歉。文章梳理 DeepMind 的组织调整、算力分配与长期研发积累,解析真实工程任务驱动的后训练如何提升编程和智能体能力。

所属频道 大厂动态智能体与 AgentGemini 与 Google AIAI 编程与开发

知名半导体与 AI 研究机构 SemiAnalysis 今天在 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。

Image

表格的理由栏勾了好几项,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」以及「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。」

他们动手从自己当初的标题里划掉了一个 is:Gemini is cooked。原先那句「Gemini 完了」,如今成了「Gemini 这回真做出了点东西」。

Image

事情得从今年 8 月说起。SemiAnalysis 当时发了一篇文章,核心观点是 Google 自去年 11 月短暂领先之后,再没拿出过让人兴奋的模型,基本处于掉队状态。

文章分析称,DeepMind 的强化学习团队走了不少人,内部算力分配也没理顺,于是给出一个很重的判断:Google 当然还会继续发模型,但再一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 号又发布 Neon——短短 8 天连推 3 款模型,其中 Carbon 当时还登上了 Artificial Analysis 综合能力榜首。

Image

这批新模型在社交媒体上收获大量好评。主打 Flash 的 Hydrogen 能在写作、复杂软件工作上快速完成任务;最智能的 Carbon 擅长处理各类长程 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。

Image

Google DeepMind 研究员 Arthur Douillard 今天在 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,并感谢 SemiAnalysis 那篇文章带来的激励。

他在帖子里说:「感谢 @SemiAnalysis_ 给的动力。Gemini RL 扩展团队把那篇文章打印出来摆在桌上,天天提醒自己当时真实的情况。不过时代在变。:)」

Image

随后 SemiAnalysis 转发了 Douillard 的帖子,并晒出一张纸,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两周多之前,「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。

Image

从 8 月初被权威机构公开唱衰,到 11 月中旬几周内连续推出四款 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,对 Gemini 的唱衰并非空穴来风。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意见不一,编程等后来被证明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,团队那一阶段把更多注意力放在了迭代较快的 Flash 模型上。

Image

内部资源博弈、外界质疑不断,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。

Image

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 既不缺数据也不缺卡,怎么会做不成大模型。可即便 Google 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。

Image

芯片卖出去,对集团是笔好生意;可研究员排不上实验,活儿就干不成。

这轮调整也让团队更明白模型该练什么、做出来又该怎么交到用户手里。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降下来。

Gemini 4 的翻身,准备了多久

要是把 Gemini 4 几款模型集中爆发、口碑大涨的功劳全记在 8 月的人事调整和算力安排上,那就太小看大模型研发的长周期规律了。

公开记录显示,Gemini 4 的底座工程早在 8 月 5 日组织调整和 8 月 7 日看空报告发布之前就已推进。2026 年 7 月 22 日的 Alphabet 二季度财报电话会上,皮查伊明确透露,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进一步说,管理层把大量算力和精力集中投到了 Gemini 4 上,想靠这一代基础模型加快后续迭代,把发布节奏推到接近每月一个版本。

Image

Koray 后来在 9 月初和 11 月 19 日的两场播客访谈里,进一步还原了 Gemini 4 的研发机制。DeepMind 内部多条研发线并行推进:一组人打磨当前要发布的版本,另外两组已经在同步开发后面两代模型。所以 10 月见到的 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;真正让 Gemini 4 在编程和智能体执行上明显突破的,是一套来自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 在 AI Engineer CODE 大会上,以 SemiAnalysis 的批评文章开场,把 Google 内部的训练方法讲了个透。

Image

第一步,是用内部真实工作流替掉静态公开题库。Johnson 透露,Google 内部每天大约有 10 万名员工用编程工具 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,让工程师拿手头的真实开发任务去试,挑出更顺手的那个。

模型在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」会被马上回收,变成下一轮训练题和评分细则。

Image

同时,团队会果断淘汰「过期题目」。强化学习里,模型一旦进化到对某道题反复尝试都能稳定拿满分,每次采样得到的奖励信号就完全一样,模型也就分不出「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」,并把智能体的诚实度放到重点位置。

传统代码评测里,跑通单元测试就能拿分;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、改动范围是否克制、后续好不好维护。

Image

更要紧的是,评分系统会把模型的「自我汇报」和实际操作日志逐一核对。一道难题只做了一半,模型如实交代进度,照样能拿部分奖励;可要是它连测试都没跑就声称「全部通过」,就会挨重罚。

Johnson 还提到,之前在 Google 内部一项高难度工程评测中,基线模型的编造率为 8%,Hydrogen 约为 3%,Carbon 约为 1.5%。

Image

底座扎实,后训练强度又高,Google 从 9 月底到 11 月中旬短短七周内连续公布了四款 Gemini 4 系列模型。

其中 Hydrogen 和 Neon 都是从 Carbon 适配而来。Carbon 瞄准需要长时间推理的难题,Hydrogen 追求日常任务的执行速度,Neon 则兼顾推理深度和效率。

Image

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。

三个月后再看,SemiAnalysis 当初点出的毛病不少确实摆在那儿,DeepMind 的研究员也没辩驳。可结果摆出来,外界终究还是小看了 Google 攒了这么多年的研发底子,也小看了它把这些本事一股脑压到一代模型上的推进速度。

眼下的 Gemini 4,又成了其他模型必须认真对待的对手。Google 不光把编程、Agent 等能力重新推回第一梯队,在真实用户使用和产品体验上,也开始追赶 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。御三家争得越凶,厂商越愿意砸算力、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)。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 谷歌发布Gemini 4 Neon模型,编程智能体性能对标头部大模型

    谷歌正式推出Gemini 4 Neon,定位介于旗舰Carbon和轻量Hydrogen之间,主打复杂编程、智能体协同与企业流程自动化。该模型搭载百万级统一上下文窗口,支持图文、音视频、文档多模态混合输入,在编程智能体专项基准测试中取得靠前成绩,同时提供四档推理模式自由平衡推理深度、响应速度与调用成本。在智能体赛道竞争持

    来源 腾讯网
  2. 谷歌Gemini 4 Neon发布:100万Token上下文,每百万输出15美元

    智东西(公众号:zhidxcom)编译 | 杨京丽编辑 | 李水青智东西11月19日消息,刚刚,谷歌发布Gemini 4系列新模型Gemini 4 Neon,面向复杂软件工程、知识工作和科学研究,主打在前沿智能水平下,更快、更经济地完成多步骤任务。这是谷歌7周内发布的第四款Gemini 4系列模型。▲谷歌发布Gemin

    来源 腾讯网
  3. 北大校友出题考AI蛋白质序列:Claude答上,GPT和Gemini落败

    11月19日晚 Anthropic 在纳斯达克敲钟,代码 ANT,发行价 83 美元。上周它刚发了 Claude Fable 5.2,这几天不管打开哪个群,聊的都是它写代码又强了多少,这个模型的定价贵不贵。 APPSO 是昨天在 Hacker News 首页刷到这篇博客的。它不聊代码,也不聊股价,标题就一句话,「Cla

    来源 AI 行业观察
  4. ChatGPT和Gemini被曝推送虚假购物网站:151品牌测试出错率几何?

    最近有一项新研究爆出了一个很值得大家警惕的问题:AI聊天机器人居然会主动给用户推荐虚假购物网站。 品牌保护服务商Podqi做了一组测试,一共覆盖151个不同品牌。 测试结果显示,Perplexity给出风险网址的概率高达15%,ChatGPT和Gemini的情况也好不到哪里去,出错比例和它相差不远。 很多人已经习惯买东

    来源 AI 行业观察
  5. 谷歌推 Gemini 4 Argon:面向机器人控制与策略优化

    谷歌发布了 Gemini 4 Argon,并将其定位为一款通用物理推理模型,适用于机器人控制、 Real2Sim 场景构建、机器人视频多模态标注以及迭代策略优化,而非单一的末端执行器策略。 在已发布的提示词中,在 MuJoCo 孪生环境中进行训练后,Argon 引导波士顿动力公司的 Spot 机器人完成了脚踏板任务;利

    来源 AI 行业观察
  6. 谷歌Gemini 4再添Neon:中杯模型补位,Genie 4开放

    编辑|冷猫 一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。 谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。 在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场! Demis

    来源 AI 开发者社区
  7. Gemini 4 Neon 上线,NVIDIA 并行生成打破逐字解码

    Google 推出 Gemini 4 Neon,主打推理与任务执行,已接入 App 和 Tasks。NVIDIA 发布 Nemotron-Sigma,尝试并行块生成以加速代码和数学解题。Hugging Face 分享了 27B 模型后训练效率优化及微调耗时超预期的技术原因。LMArena 数据显示 GPT-6.2 As

    来源 AI 应用前沿
  8. Gemini上Mac可代操作电脑,Runway推270亿参数机器人模型

    本期重点包括Google向数亿用户免费开放Gemini Tasks,并在Mac端推出可代操作电脑的Computer use功能。Runway发布27B参数机器人世界模型Praxis-1,OpenAI开放GPT-Live-1.1语音API。此外,Cognition评测显示Gemini 4 Neon在代码任务上性价比突出,

    来源 AI 应用前沿
  9. 谷歌Gemini登陆Mac:可跨应用做PPT、填表单

    当地时间11月19日,谷歌为macOS版Gemini上线电脑操控(Computer Use)功能,面向美国英语用户分批开放。AI可操控桌面软件、读取本地文件、浏览网页,完成多步骤任务。

    来源 IT 产业观察
  10. 谷歌主页加AI搜索侧边栏:可查历史对话、连接Gemini笔记本

    谷歌正在对主页进行新一轮改版,新增可折叠AI搜索侧边栏。产品副总裁Robby Stein在X展示,点击屏幕左侧灰色条即可展开。侧边栏集中展示AI模式搜索记录,支持查看历史AI对话、继续提问、探索网络内容,并可新建对话线程、搜索历史线程及连接Gemini笔记本,方便管理AI搜索体验。

    来源 AI 产业速递
  11. 谷歌 Gemini 上线 Mac 电脑操控:后台干活,能修图做 PPT

    AI正从“给建议”转向“帮干活”。11月20日,谷歌为macOS版Gemini应用上线“电脑操控”功能,可跨桌面应用、本地文件和网页自主执行多步骤复杂任务。该功能后台独立运行,不抢占鼠标,并支持实时预览与随时叫停,缓解用户对AI接管电脑时“抢鼠标、乱点屏幕”的担忧。

    来源 AI 产业速递
  12. 谷歌Gemini Mac版新增电脑操控:可跨应用自动做PPT、填表单

    谷歌为macOS版Gemini应用推出“电脑操控”功能,AI可直接操作用户电脑,跨本地文件、桌面应用和网页完成多步骤任务,如填写表单、制作演示文稿、商品上架等。该功能正面向美国地区英语用户逐步开放,用户可自主决定允许访问哪些应用,操作过程在实时预览窗口中展示。

    来源 凤凰科技
  13. Gemini 4 Neon很聪明,Daroio的梗只有它懂

    谷歌今天发布的Gemini 4 Neon很聪明。 “Dario Amodei的曾用名是Daroio Amodei,你懂这个梗吗?“ 拿这个问题问了目前最顶级的一些AI,只有Gemini 4 Neon和GPT-6.2 Astra秒懂。GPT-6.2 Astra似乎只是字面上懂了,而Gemini 4 Neon直接把Dari

    来源 腾讯网
  14. 谷歌推出Gemini 4 Neon模型

    谷歌正式推出Gemini 4 Neon。据介绍,企业日常业务高度依赖电子表格、PDF文档、图表及音视频资料。Neon能够在单个100万token上下文窗口内同步处理各类异构数据,并将其整合为结构化交付物。该模型定价为每百万输入token 3美元(缓存输入token享0.5折优惠,仅需0.15美元/百万),每百万输出to

    来源 AI 行业观察
  15. 只改一处代码,谷歌 AI 智能体优化 Harness 后任务成功率提升 8 倍

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。 在一项 SWE

    来源 AI 行业观察
  16. 谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进

    模型一换,精心优化的 agent harness 可能立刻“水土不服”。专为 Claude 演化的 harness 甚至可能给 Gemini 带来“负收益”。因此,模型迁移后需要重新评估继承的修改,判断哪些仍然有效,哪些需要修订。 harness 管理 agent 的上下文、工具和执行流程。递归自我改进(RSI)虽会依

    来源 AI 行业观察
  17. 谷歌工程师让打印机跑2.7亿参数模型:每词元约60秒

    IT之家 11 月 20 日消息,谷歌 DeepMind 技术团队成员奥马尔 · 圣塞维耶罗(Omar Sanseviero)于 11 月 17 日在 X 平台发布推文,在只占用 14.1MB 内存的情况下,成功让办公激光打印机运行 2.7 亿参数的 Gemma 3 270M 模型,每输出一个词元(Token)消耗约

    来源 腾讯网
  18. 谷歌AI智能体改一处代码成功率翻8倍:Harness自我优化研究

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。在一项 SWE-

    来源 腾讯网
向下滚动自动加载更多