Gemini 4翻身背后:Google道歉表与TPU算力之争
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》。理由一栏勾了包括「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「
知名半导体和 AI 研究机构 SemiAnalysis 今天在 X 上贴出一张表,专门写给 Google
DeepMind 主席 Demis Hassabis,名字叫《向 Google 道歉专用表》。
理由一栏勾选的内容里,有「我只看了 X 上大家的消息」,也有「我那在
Anthropic 工作的室友,说服我相信 Gemini 已经完了」,还包括「我没有阅读模型卡」。最扎眼的是最后一行:「Demis,关于 Gemini 4,我们错了。我们只想撤回一个词。」
他们从自己当初的标题里划掉了一个 is:
Gemini is cooked。一句「Gemini 完了」,变成了「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,整篇都在讲 Google 自去年 11 月短暂领先之后,再没拿出任何让人激动的模型,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,内部算力也没分配好,由此对 Google 下了很重的判断:照这样下去,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 号发布 Neon,短短 8 天的时间,接连推出了 3 款模型,其中 Carbon 的表现当时还来到了 Artificial Analysis 的综合能力榜首。
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;夹在两者中间的 Neon 兼顾速度和智能,可以说是 Gemini 4 系列中综合能力最强的一款模型。
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,被大量用户点赞同意。
Google DeepMind 研究员 Arthur Douillard 今天在 X 上说,他们曾把那篇批评文章打印出来放在桌上,每天提醒自己。他表示有些问题当时确实存在,并想感谢 SemiAnalysis 那篇文章的激励。
他在帖子里说,得谢一谢 @SemiAnalysis_ 给的那股劲儿:在 Gemini RL 扩展团队,大家把那篇文章打印出来搁在桌上,天天提醒自己当时到底是个什么局面。不过他补了一句,时代在变。:)
随后 SemiAnalysis 转发了 Douillard 的帖子,也晒出一张纸,就是开头那份填给 Google 的「道歉表」。
几小时后,Hassabis 转发这个帖子接梗表示「接受道歉」,同时打趣说对方漏勾了「低估了 Google DeepMind 这群高手」这一项。
其实早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 月初还被权威机构公开唱衰,到了 11 月中旬,几周里接连甩出四款 Gemini 4 系列模型,又回到榜单前列——Google 内部这段时间到底做了哪些调整、攒下了什么?
Google 这么多 TPU,怎么也不够用
回到今年夏天,对 Gemini 的唱衰并不是毫无理由。一边是原定 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 Gemini 3.5 Pro 计划于 6 月推出,但该模型最终未能如期发布。
算力约束摆在那里,多位项目负责人之间也有意见分歧,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,团队在那一阶段把更多注意力放在了迭代较快的 Flash 模型上。
内部资源博弈加上外界质疑,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。
过去多数人的印象里,Google 既不缺数据也不缺卡,大模型怎么会做不成。但就算 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。
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。
经过这轮调整,团队对两件事看得更明白了:模型该练什么,练出来又该怎么交到用户手里。另据外媒报道,谷歌云高管也盼着 Koray 接掌 DeepMind 之后,能把内部围绕 TPU 供应分配的紧张关系缓一缓。
Gemini 4 的翻身,准备了多久
Gemini 4 几款模型集中爆发、口碑也不错,要是把这些统统记在 8 月的人事调整和算力安排账上,那就把大模型研发的长周期规律看轻了。
翻公开记录能看出,Gemini 4 的底座工程动手很早,8 月 5 日的组织调整、8 月 7 日那份看空报告,都发生在它启动之后。2026 年 7 月 22 日的 Alphabet 二季度财报电话会上,皮查伊把话说明白了:Gemini 4 已经开启「Google 迄今最有野心的预训练」。
回答分析师提问时他补充称,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迭代速度提起来,发布节奏要往接近每月一版靠。Koray 则在 9 月初和 11 月 19 日的两场播客访谈里,把研发机制讲得更细:DeepMind 内部多条研发线同时跑,一组人打磨当前要发的版本时,另外两组已经在做后面两代模型。所以 10 月亮相的 Gemini 4,背后至少有一年的连续研发沿革。
大规模预训练加多线并行,解决的是底座问题。Gemini 4 在编程和智能体执行上能明显往前一步,靠的是另一套东西——真实工程场景里的后训练体系。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讲。
头一条,是拿内部真实工作流换掉静态公开题库。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,就在内部搞盲测,让工程师拿手头的真实开发任务去试,挑更顺手的那个。模型跨文件修改时卡在哪一步、哪次把既有逻辑改坏了,这些「失手现场」会被马上收走,变成下一轮的训练题和评分细则。
同时,过期题目要果断撤。强化学习里有个现象:模型进化到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,它没法从中分辨「哪种做法更好」。这类题留着没用,必须换掉,上更高难度的。
第二条,是重新定义什么叫「做完了」,重点盯智能体的诚实度。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实不实现,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。更关键的一环,是评分系统会把模型的「自我汇报」和实际操作日志逐条核对。一道难题只做了一半,模型如实交代进度,仍能拿到部分奖励;测试都没跑就声称「全部通过」,惩罚会很重。
Johnson 还提到,Google 内部此前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,结果就是 9 月底到 11 月中旬短短七周,Google 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 要的是日常任务的执行速度,Neon 在推理深度和效率之间找平衡。
SemiAnalysis 当时点出的很多问题,回头看确实存在,DeepMind 的研究员也没否认。但三个月后的结果说明另一件事:外界还是低估了 Google 多年攒下的研发能力,也低估了它把这些能力集中砸到一代模型上的速度。
现在的 Gemini 4,又成了别的模型绕不开的对手。编程、Agent 这些能力被 Google 重新推回第一梯队,在真实用户使用和产品体验上,它也开始追 Codex、Claude 这些 Agent。
对我们来说,这当然是好事。御三家打得越凶,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)。