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

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」。

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。

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。

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。:)」

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。

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。

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。

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。

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。

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。

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。

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。

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%。

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。

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。
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)。