Gemini 4 逆袭后 SemiAnalysis 补交道歉表,Hassabis 回应少勾一项
Gemini 4 真的越来越好用了。 #欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。

知名半导体与 AI 研究机构 SemiAnalysis 今天在 X 上贴出一张表,抬头写给 Google DeepMind 主席 Demis Hassabis,名称是《向 Google 道歉专用表》。

表上理由一栏勾了好几项,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」。最抓眼的是末尾那行:「Demis,关于 Gemini 4,我们错了。我们只想撤回一个词。」
撤回的词是个 is。他们把自己当初标题里的「Gemini is cooked」划掉一个词,意思就从「Gemini 完了」变成「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,基本处在掉队状态。
文章还提到 DeepMind 强化学习团队流失了不少人,内部算力分配也没理顺。由此他们给出了一个很重的判断:Google 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,谷歌就公布了 Gemini 4 Argon;10 月底 Carbon 登场,11 月 12 号 Hydrogen 推出,18 号又来了 Neon。8 天里连发 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 速度与智能兼顾,被看作 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。

Google DeepMind 研究员 Arthur Douillard 今天在 X 上透露,团队曾把那篇批评文章打印出来放在桌上,天天提醒自己。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。那篇文章被我们 Gemini RL 扩展团队打印出来摆在桌上,天天提醒自己当时到底是个什么情况。不过时代在变。:)」

随后 SemiAnalysis 转发了 Douillard 的帖子,并晒出那张纸,也就是开头填给 Google 的「道歉表」。
几小时后 Hassabis 转发接梗,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 月中旬几周内连推四款 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,唱衰 Gemini 并非毫无来由。原定 6 月推出的 Gemini 3.5 Pro 迟迟没上线——Google CEO 桑达尔·皮查伊 5 月在 I/O 大会上预告过这款模型 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,编程等后来变得关键的方向当时拿到的资源偏少。之后接手研发的 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 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;Gemini 原技术共同负责人 Jeff Dean、Oriol Vinyals 则与 Sanjay Ghemawat、Quoc Le 一起离开谷歌,创办了 Discovery Loop。
过去多数人的印象里,Google 既不缺数据也不缺卡,怎么会做不成大模型。可就算有自研 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。

芯片卖出去,对集团来说是门好生意;可研究员排不上号,实验就做不下去。
这轮调整也让团队更清楚模型该练什么、练完怎么交到用户手里。外媒报道称,谷歌云高管同样希望 Koray 接手 DeepMind 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,那就把大模型研发的长周期规律看轻了。
公开记录里,8 月 5 日组织调整、8 月 7 日看空报告发布之前,Gemini 4 的底座工程就已经在推进。2026 年 7 月 22 日的 Alphabet 二季度财报电话会上,皮查伊说得很明确: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补充道,管理层把大量算力和精力压到了 Gemini 4 上,想靠这一代基础模型把后续迭代提起来,发布节奏要往接近每月一版推。

到了 9 月初和 11 月 19 日的两场播客访谈里,Koray 又把 Gemini 4 的研发机制讲得更细:DeepMind 内部几条研发线同时跑,一组人打磨当前要发布的版本,另外两组已经在做后面两代。10 月露面的 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,搭好了底座。Gemini 4 在编程和智能体执行上能明显往前迈一步,靠的则是另一套后训练体系,题目都来自真实工程场景。
2026 年 11 月 12 日,AI Engineer CODE 大会上,时任 Gemini 后训练负责人的 Melvin Johnson 拿 SemiAnalysis 那篇批评文章当开场,把 Google 内部的训练方法摊开讲了一遍。

第一步,是用内部真实工作流替掉静态公开题库。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,就在内部发起盲测,让工程师拿手头的真实开发任务去试,挑更顺手的那个。
跨文件修改卡在哪一步、哪一次把原有逻辑改坏了,这些真实的「失手现场」会马上被收回来,变成下一轮训练题和评分细则。

同时,过期题目会被果断撤掉。强化学习里,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」,这类题必须换掉,改上更难的。
第二步,是重新界定什么叫做完了,并把智能体的诚实度摆到重点位置。
传统代码评测跑通单元测试就给分。Gemini 4 的后训练评分不一样:功能有没有实现要看,边界条件怎么处理、代码质量如何、改动范围收没收住、后面好不好维护,也都在考察范围内。

更关键的一环,是评分系统拿模型的「自我汇报」去对实际操作日志,一条条核。难题只做了一半,模型如实交代进度,照样能拿部分奖励;测试都没跑就声称「全部通过」,惩罚会很重。
Johnson 还提到,Google 内部一项高难度工程评测里,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 在推理深度和效率之间找平衡。
回头再看,SemiAnalysis 当时点出的很多问题确实存在,DeepMind 的研究员也没否认。只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,以及它把这些能力集中砸到一代模型上的速度。
现在的 Gemini 4,又成了别的模型必须认真对待的对手。编程、Agent 这些能力被重新推回第一梯队,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。御三家斗得越凶,厂商越肯掏算力、抢用户,我们越有机会用上更便宜、更可靠、更好访问的 AI(哈基米你可别学另外两家)。