Gemini 4 让 SemiAnalysis 公开致歉,Hassabis 调侃漏了一项
如果说大规模预训练与多线并行提供了底座,那让 Gemini 4 能在编程与智能体执行上取得明显突破的,是一套真实工程场景的后训练体系。
今天,半导体与 AI 研究机构 SemiAnalysis 在 X 上贴出一张《向 Google 道歉专用表》,收件人是 Google DeepMind 主席 Demis Hassabis。

表里的理由一栏勾了好几项:「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」,还有「我没有阅读模型卡」。最抓眼球的是最后一行:「Demis,关于 Gemini 4,我们错了。我们只想撤回一个词。」
他们把自己当初标题里的一个 is 划掉了:Gemini is cooked。一句「Gemini 完了」,改写成了「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,核心意思是 Google 去年 11 月只短暂领先了一下,之后再没拿出让人兴奋的模型,基本处于掉队状态。
文章分析称,DeepMind 的强化学习团队流失了不少人,内部算力也没分好。他们由此下了一个很重的判断:Google 往后当然还会继续发模型,但重新回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,谷歌就亮出了 Gemini 4 Argon;10 月底发布 Carbon,11 月 12 号推出 Hydrogen,18 号又发布 Neon。8 天里连推 3 款模型,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口碑不错。主打 Flash 的 Hydrogen 能快速完成写作和复杂软件工作;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,被称为 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,并感谢 SemiAnalysis 那篇文章带来的激励。
Douillard 说得很直接:“我得谢谢 @SemiAnalysis_ 给的那股劲。那篇稿子,我们 Gemini RL 扩展团队打印出来搁在桌上,天天看,提醒自己当时到底是个什么处境。不过情况在变。:)”

很快,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」。
几个小时后,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 月中旬几周内连发四款 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 手里这么多 TPU,怎么还是不够用
回到今年夏天,唱衰 Gemini 并非空穴来风。原定 6 月推出的 Gemini 3.5 Pro 一直没上线——Google CEO 桑达尔·皮查伊曾在 5 月的 I/O 大会上预告该模型 6 月推出,最终没能如期发布。
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,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更快的 Flash 模型上。

内部资源博弈、外界质疑不断,Google 在 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 则交出日常运营职责,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 一起离开谷歌,创办了 Discovery Loop。
在多数人的印象里,Google 既不缺数据也不缺卡,大模型怎么会做不成。可就算有自己的 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,芯片卖得出去就是笔好买卖;可对研究员来说,实验排不上队,活就干不成。
这轮调整也让团队更明白模型该练什么、练完怎么交到用户手里;据外媒报道,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 这次翻身,究竟准备了多久
要是把 Gemini 4 几款模型集中爆发、口碑走高的功劳,全记在 8 月的人事调整和算力安排上,那就明显看轻了大模型研发的长周期规律。
公开记录显示,8 月 5 日组织调整、8 月 7 日看空报告发布之前,Gemini 4 的底座工程其实早已开动。2026 年 7 月 22 日的 Alphabet 二季度财报电话会上,皮查伊就明确说过,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讲到,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加快后续迭代,把发布节奏提到接近每月一版。

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 内部是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 月露面的 Gemini 4,背后至少有连续一年的研发沿革。
大规模预训练和多线并行搭起了底座,而让 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模型版本,就在内部发起盲测,让工程师拿手头的真实开发任务去检验,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」会马上被回收,转成下一轮训练题和评分细则。

同时,团队会果断把「过期题目」撤掉。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,模型没法从中分辨「哪种做法更好」,这类题必须撤下,换成更难的挑战。
第二步,是重新定义什么叫做「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,单元测试跑通就能拿分;Gemini 4 的后训练评分不一样,团队除了看功能有没有实现,还会考察边界条件怎么处理、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」和它的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」,那就会受到严厉惩罚。
Johnson 还提到,之前 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%。

靠着扎实底座和高强度后训练,Google 在 9 月底到 11 月中旬短短七周里,接连公布了四款 Gemini 4 系列模型。
其中 Hydrogen 和 Neon 都是从 Carbon 适配而来:Carbon 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 则兼顾推理深度和效率。

图|11 月那几次密集更新,背后有一部分是同一代底座的研发成果在陆续落地。
回过头看,SemiAnalysis 当时指出的不少问题确实存在,DeepMind 的研究员也没有否认。只是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,也开始追上 Codex、Claude 这些 Agent。
图|Gemini 现在能在后台操作 Mac 应用和网站,来完成复杂任务。
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)。