Gemini 4翻身背后:SemiAnalysis道歉,Google TPU也不够用
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「
今天,半导体与 AI 研究机构 SemiAnalysis 在 X 上贴出一张写给 Google 的「道歉表」,向
Gemini 认错。
勾选的理由一栏里,包括「我只看了 X 上大家的消息」「我那在……(此处按要求保留原引文片段)」等项。他们还从自己此前的标题里删掉了一个 is——原本的「Gemini is cooked」,如今成了「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,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 强化学习团队流失了不少人,内部算力分配也没做好。据此,他们给出了一个很重的判断:Google 当然还会继续发模型,但再度站上行业最高水平的概率已「降到了零」。
报告发出不到两个月,谷歌就公布了新进展。
新模型在社交平台上收获大量好评。主打速度的 Flash 版本 Hydrogen 擅长写作和复杂软件任务,能快速交付;最智能的 Carbon 则专攻各类长程任务。
类似「
今天
针对那篇文章,Gemini RL 扩展团队的 Douillard 发文回应称,自己得谢谢 @SemiAnalysis_ 给的这个动力:团队当时把那篇内容打印出来搁在桌上,天天拿它提醒自己现实是什么样。不过他补了一句,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,早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……(此处按要求保留原引文片段)
从 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 系列模型并重回榜单前列,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。一边是原定 6 月推出的……(此处按要求保留原引文片段)
受算力约束,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。此后接掌研发的团队在那段时间把更多精力放在了迭代更快的 Flash 模型上。
内部资源博弈、外界质疑声不断,Google 在 8 月 5 日宣布对 DeepMind 做重大组织调整:原 DeepMind CTO、Google 首席 AI 架构师……(此处按要求保留原引文片段)
Demis Hassabis
很多人印象里,Google 既不缺数据也不缺卡,怎么会做不成大模型?但即便 Google 有自己的 AI 芯片……(此处按要求保留原引文片段)
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。
这轮调整也让团队更清楚模型该练什么、做出来怎么交到用户手里。据外媒报道,谷歌云高管希望 Koray 接掌 DeepMind 后,能缓和内部在 TPU 供应分配上的紧张关系。
Gemini 4 的翻身,准备了多久
如果把 Gemini 4 几款模型集中爆发、广受好评的功劳全算在 8 月的人事调整和算力安排上,那就低估了大模型研发的长周期规律。
公开记录显示,早在 8 月 5 日组织调整和 8 月 7 日看空报告发布之前,Gemini 4 的底座工程就已启动。在 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 已经启动了「Google 迄今最有野心的……(此处按要求保留原引文片段)」
回答分析师提问时他进一步表示,管理层已把大量算力和精力集中投到 Gemini 4 上,目标是借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版。
Koray 在 9 月初和 11 月 19 日的两场播客访谈里,把 Gemini 4 的研发路子讲得更细了。DeepMind 内部同时跑着好几条研发线:一组人在打磨当前要发布的版本,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积累。
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往前迈一步的,是一套来自真实工程场景的做法。2026 年 11 月 12 日,时任 Gemini 后训练负责人的 Johnson 透露,第一步是用 Google 内部真实工作流替掉静态公开题库——公司里每天大约有 10 万名员工在用编程工具。
模型跨文件改代码时卡在哪一步、哪一次把原有逻辑改坏了,这些真实的“失手现场”会被马上收回来,变成下一轮的训练题和评分细则。
过期题目也会被果断拿掉。强化学习里有个规律:模型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,它没法分辨“哪种做法更好”。这类题必须撤,换成更难的。
第二步是重新定义什么叫“做完了”,重点看智能体的诚实度。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有没有实现,还要看边界条件处理、代码质量、改动范围是否克制、后续可维护性。更关键的是,评分系统会把模型自己的汇报和实际操作日志逐条核对。难题只做了一半,如实交代进度照样能拿部分奖励;测试都没跑就声称“全部通过”,则会受到严厉惩罚。
Johnson 还提到,Google 内部一项高难度工程评测中,基线模型的编造率是 8%,Hydrogen 约 3%,Carbon 约 1.5%。
底座扎实,后训练强度又高,Google 从 9 月底到 11 月中旬的短短七周里接连公布了四款 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 追求日常任务的执行速度,Neon 兼顾推理深度和效率。
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。
回头再看,SemiAnalysis 当时点出的不少问题确实存在,DeepMind 的研究员也没否认。不过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,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,又成了其他模型绕不开的对手。Google 把编程、
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。御三家斗得越凶,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)。