文 | 字母 AI
OpenAI 时隔 75 天的顶级模型刚刚发布,社区里的吐槽就炸开了。
有人直言新模型 " 几乎没法用 ",有人抱怨它过分谨慎、难以指挥,还有人认为,这家伙解释起自己的工作就像在 " 说外星话 "。
甚至有人用漫画玩了个梗,吐槽 GPT-6.2 Astra 的语言风格,根本是防御过当。
前 · 赛博义父 Tibo 在 X 上表示,他已经收到了关于模型语言风格的反馈—— OpenAI 正在想办法改进这一点。
而评论区里已经有人表示准备换掉 OpenAI,转用 Gemini 了。

美国时间 11 月 18 日,谷歌正式发布 Gemini 4 Neon(氖 / 霓虹)。算上 9 月底的 Argon(氩)、10 月底的 Carbon(碳),以及六天前刚刚发布的 Hydrogen(氢),这已经是谷歌在不到 50 天里推出的第四款 Gemini 4 模型。

还不够,同一天谷歌宣布向部分付费用户开放世界模型 Genie 4。用户可以直接在浏览器里生成、进入虚拟世界,还能在探索过程中改变天气、加入角色,让场景和声音随之变化。
两相对比,这一轮,我站谷歌。
Gemini 迭代有点快
在发布 Gemini 4 Neon 之前,谷歌 AI 团队的成员在社区开了个玩笑:
" 咱们这么赶着把这些产品都发出去,就是为了腾出时间玩《GTA 6》,对吧?"


Gemini 4 Neon 确实不差。在 Artificial Analysis 综合智能评测中,Neon 拿到 61 分,超过了 Claude Opus 5.5 的 59 分以及 GPT-6.2 Sol 的 57 分,甚至超过了它 " 上一级 "Carbon 的 60 分。
不过 Neon 的 61 分来自最高思考强度 Xhigh,而 Carbon 的 60 分对应 High 档。如果都使用 High 档,两款模型的得分同为 60 分。

官方数据显示,在默认的 High 思考档位下,Neon 完成同类评测任务的平均成本比 Carbon 低 32%。同时它提供四档思考强度,让用户能够根据任务难度,自行调整成本和速度。
不过,这里的成本优势指的是完成任务的平均花费。Neon 目前的 API 价格为每百万输入 Token 3 美元、输出 Token 15 美元,论单价要比仍处于促销期的 Carbon 贵一些。
综合跑分之外,在 Zapier 的办公自动化测试 AutomationBench 中,Neon 取得了 56.3% 的成绩,超过 Claude Opus 5.5 的 42.5% 和 GPT-6.2 Sol 的 41.3%。
这项测试要求 AI 独立完成真实业务流程,包括操作软件、处理数据、跨应用执行任务等,能够在一定程度上反映 Agent 的实际工作能力。
在考察长期任务执行能力的 Vending-Bench 2 测试中,Neon 的表现同样出色。它需要独立经营一家模拟自动售货机,处理采购、补货、定价、供应商谈判等事务。经过模拟的一年运营,Neon 最终留下了平均 16,843 美元的账户余额。
编程方面,Neon 在 Artificial Analysis Coding Agent Index 中拿到了 58.6 分,甚至以微妙的差距胜过了 Fable 5.2。

目前,Neon 已经开始向 Gemini App 的 Pro 和 Ultra 订阅用户开放,开发者则可以通过 Google AI Studio、Gemini API 和 Antigravity 使用 Neon。
在 Antigravity 中,Neon 还能充当任务协调者,把工作分配给多个 Hydrogen 子 Agent 并行执行,自己负责规划、统筹和检查结果——这套协作机制此前已经在 Carbon 和 Hydrogen 之间实现,如今 Neon 也加入了进来。
谷歌表示,新模型能够更好地处理 PDF、电子表格、图片等不同格式的材料,结合 Gmail、Docs 中的信息制作报告,也能用于更加复杂的多步骤 Tasks 任务。
从最高端的复杂推理到简单任务,再到需要兼顾性能和成本的 Agent 工作,谷歌为不同的模型安排了越来越清楚的分工。
并且,在短短 49 天里,谷歌已经连续推出了四款 Gemini 4 模型。
9 月 30 日,Gemini 4 Argon 发布;10 月 28 日,Carbon 接棒;11 月 12 日,Hydrogen 登场;11 月 18 日,又有了 Neon。
值得注意的是,四款模型接连发布,并不等同于谷歌在 49 天里从头造出了四套完全不同的模型。根据谷歌 DeepMind 公布的模型卡,Gemini 4 系列存在明确的技术继承关系:Carbon 基于 Argon 开发,而 Hydrogen 和 Neon 又都是在 Carbon 的基础上适配而来。
后续模型的表现不断追赶甚至超越前代,最早登场的 Argon 反倒有些尴尬——它甚至还没来得及建立自己的用户口碑,就被后续版本抢走了风头。
如今,在 Gemini App 中,Neon 已经取代了 Argon 原来的位置。
谷歌还造了一个 " 世界 "
要我说,谷歌最近多少是有点想当 " 造物主 " 了。
Argon 是氩,Carbon 是碳,Hydrogen 是氢,Neon 是氖…… Gemini 4 这个系列,走的是 " 元素路线 "。
虽然表面上看和 " 文学 " 的 Claude 与 " 天体 " 的 GPT 能坐到一桌去,但不如前两家直观,几乎在每个模型发布贴下都有网友吐槽 " 看不出和模型性能之间的关系 ",甚至被调侃 " 是不是有朝一日要把元素周期表给占满 "。
(顺便一提,这个梗就连谷歌自己都在玩,现在打开 Google AI Studio,真的多了一个可以在元素周期表里选模型的互动界面。)

这款模型其实早在 10 月 27 日就已经亮相,但此前主要向受邀测试者提供研究预览。如今,它终于开始从封闭测试走向普通消费者,开放给符合条件的 Google AI Ultra 订阅用户。Pro 会员则可以加入等待名单。

Genie 4 还能同时生成声音——从环境里的风声、水声,到角色之间的对话,都能随着场景的变化实时调整。
根据模型卡,Genie 4 能够实时生成最高 720p、每秒 24 帧的画面,并提供同步音频。


进入虚拟世界后,用户还可以让 Gemini 加入探索。它能够观察当前画面,给出接下来去哪里、做什么的建议,甚至根据探索过程触发新的事件。
谷歌还建立了社区画廊,允许用户探索、修改和分享其他人制作的虚拟世界。

Genie 4 的进步,离不开其它技术的支持。
谷歌 DeepMind 在 10 月的研究公告中提到,Genie 4 的技术基础来自 Gemini 系列:Gemini Omni 负责生成贴近现实的画面和行为表现,其他 Gemini 模型则参与推理,帮助虚拟世界保持连贯性。
说到 Gemini Omni,谷歌最近在视频模型上也没有闲着。
11 月 5 日,谷歌推出了 Gemini Omni 1.2 Flash,将单次视频生成的最长时长从 10 秒增加到 15 秒,同时提高角色和场景的一致性,并将生成价格降低了 30%。
新版本改善了角色、场景和动作的连贯性。用户可以通过多轮对话反复修改视频中的背景、人物或镜头,同时尽可能保留原有画面的细节,减少修改时出现的画面错乱。

谷歌已经开始尝试将通用模型与世界模型结合,用虚拟场景模拟机器人的行动。
11 月 10 日,谷歌 DeepMind 推出 Gemini Robotics 2.5,重点提升了机器人执行复杂操作的能力,让它们能够处理更多此前难以完成的精细任务。
在与 Apptronik、奔驰合作的一项实际生产线概念验证中,搭载 Gemini Robotics 2.5 的 Apollo 2 人形机器人能够自主将汽车零件从料箱中取出,再按照生产需要放入指定容器。按照谷歌公布的结果,这项试验的任务成功率达到了 96%。

研究人员利用 Argon 生成大量模拟训练场景,让机器人在虚拟环境中练习操作,并根据实际任务失败的视频分析问题、尝试改进方案。
在 10 月 27 日发布的 Genie 4 研究演示中,谷歌还展示了 Argon 与 Genie 4 合作模拟人形机器人下跳棋的过程:Argon 负责将任务拆解成步骤,Genie 4 则实时生成对应的场景变化。

这也让谷歌最近密集发布的这些模型,有了另一层意义。
Gemini 系列可以负责推理与规划,Omni 能够生成视觉和声音,Genie 尝试模拟真实世界,Robotics 则让 AI 进一步控制现实中的机器。不同的研究方向已经开始相互配合,甚至相互加速。
谷歌正在同时推进多个 AI 领域的技术研发,而要让如此庞大的研发体系持续运转,光有模型显然还不够。
多年家底,开始发力
早在十多年前,谷歌就开始研发 TPU(Tensor Processing Unit,张量处理单元),最初主要用于语音识别、机器翻译等内部业务。
如今 TPU 已经迭代到了第八代,并成为了谷歌训练和运行 Gemini 系列模型的重要基础设施。
最近,谷歌连芯片也在加快更新。
11 月 9 日,谷歌一口气推出了 TPU 8tx 和 TPU 8i Max 两套新系统。算上今年 4 月发布的 TPU 8t 和 8i,谷歌在一年之内扩充了四套第八代 TPU 系统。

8t 主要负责大规模模型训练,8i 针对低延迟推理进行优化;新发布的 8tx 则专门加强机密计算能力,让企业能够在处理敏感数据时,更安全地运行 AI 模型。
至于 8i Max,谷歌把两颗 8i 芯片组合进了同一个封装,计算能力、片上缓存和高带宽内存带宽均提高一倍,专门应对超长上下文和多个 Agent 协作产生的算力需求。
这种做法也有现实原因:芯片从设计到量产往往需要数年,但 AI 模型的需求变化要快得多。通过调整芯片封装、内存、网络和安全架构,谷歌可以更快地拿出适合不同场景的计算系统。
根据谷歌公布的数据,TPU 8t 的训练性能最高可达到上一代产品的 2.7 倍,而 8i 的推理性价比最高提升 80%。
谷歌还在公告中提到,公司已经开始使用 DeepMind 研发的 AlphaChip,以及 Gemini 模型来辅助设计下一代芯片,将部分原本需要数周完成的芯片布局工作缩短至数小时。
AI 帮助设计芯片,芯片又为更强大的 AI 提供算力。在这里也形成了一个加速的循环。
而且,谷歌如今已经不满足于用 TPU 训练自家的模型了。
10 月 20 日,谷歌还宣布开源了 TorchTPU。这项与 Meta 的 PyTorch 团队共同开发的技术,可以让开发者使用熟悉的 PyTorch 框架,在谷歌 TPU 上训练和运行 AI 模型,而不必为了更换硬件大规模重写代码。
以前使用谷歌 TPU 往往意味着还要适应与英伟达 GPU 不同的软件环境,而现在,谷歌正在努力降低这种迁移成本。
谷歌在 11 月 9 日透露,TPU 业务已经拥有接近 100 家客户,包括前沿 AI 实验室、金融机构、零售企业和大学等。
光有芯片和模型还不够,谷歌还有庞大的现成产品体系,可以让模型派上用场。就拿最近发布的 Hydrogen 来说,谷歌几乎在推出模型的同时,就将它带进了 Gemini App 和谷歌搜索。
新模型可以不断被引入谷歌已有的产品,直接接触原本就在使用谷歌服务的用户。
说到产品体系,这段时间的 " 加速 ",恐怕也和今年那场大规模人事调整脱不开关系:
8 月 5 日,谷歌 DeepMind 经历了一轮大规模重组。掌管 DeepMind 多年的德米斯 · 哈萨比斯卸下日常管理职责,转任 DeepMind 董事长及 Alphabet 首席科学家;原本担任首席技术官的科拉伊 · 卡武库奥卢接过管理权,直接向皮查伊汇报,负责 Gemini 模型开发、前沿 AI 研究及相关产品团队;杰夫 · 迪恩、奥里奥尔 · 维尼亚尔斯等谷歌 AI 元老相继离职,另起炉灶。
当时 Gemini 的新一代旗舰模型已经推迟了两个月,部分内部测试成绩仍然落后于竞争对手。几位核心研究人员的离开,更让外界开始怀疑,谷歌是不是准备放弃争夺最强模型,将更多精力转向产品商业化。
至少从最近交出的成绩单来看,谷歌已经找到了状态,重新站稳了模型第一梯队。
10 月 28 日,在 Alphabet 的财报电话会议上,CEO 桑达尔 · 皮查伊提到,AI 已经开始帮助谷歌加快模型训练和发布的速度。
他预计,接下来 12 个月,这种加速还会持续。
回头再看 OpenAI,其实 GPT-6.2 Astra 仍然拥有强悍的模型能力,OpenAI 也表示了正在想办法改进被吐槽的语言风格。
几天的社区差评,当然不足以证明 OpenAI 已经掉队。
但谷歌的 AI,这回是真的支棱起来了。