谷歌下一代旗舰模型Carbon在上一代Argon全面开放仅8天后便进入测试阶段。据华尔街见闻援引新智元报道，合作伙伴已抢先拿到该模型，LMArena上也出现了盲测版本，发布似乎近在眼前。消息传出后，测试者迅速涌入Arena，一天之内Carbon的实测作品在X上大量涌现。

在LMArena上，Carbon仍挂在“gemini-4-argon”名下，测试者通过运行速度来辨认它——同一名称下实际存在两个模型，一个响应快且质量不错，另一个明显偏慢但产出惊艳，后者才是Carbon。测评账号Lumina用超级玛丽的提示词让Carbon生成了一整关游戏：主角顶砖块、吃金币、钻水管，进入地下关再返回地面，最终跳上旗杆走进城堡，屏幕弹出“COURSE CLEAR”并结算金币数与评级。Lumina还将同一道体素宝塔题交给Argon、Carbon、Opus 5.5和Sonnet 5.5对比，认为Carbon质量明显高于Argon，但视任务不同要慢2到4倍。

其他测试者展示了更多3D场景：樱花沿河岸开放、红色拱桥横跨水面、木屋亮灯且天气可切换的体素山谷；光照能在黄昏、蓝调时刻、月光和薄雾晨光间切换的3D城堡；以及用Carbon制作的碳原子sp³杂化与金刚石晶格动画。爆料人chetaslua称，这类题目对之前的Gemini模型非常难。开发者Pankaj Kumar则让Carbon生成了一个可交互的3D水晶柑橘。

不过，SVG与前端设计方面的评价出现分化。有测试者让Carbon画可乐瓶SVG，瓶身水珠、标签小字和瓶盖均有呈现，并可调节霜冻、气泡和背光效果；但Haleemah在观察一整天测试后表示，Carbon最强的仍是3D，好的SVG尚未见到。Lumina也指出，Carbon的前端设计和审美依旧平平，缺少Anthropic模型的那种风格。分析认为，3D场景的几何、光照、碰撞均由代码决定，对错一目了然，可通过算力和强化学习持续推高；前端设计涉及留白、字号、按钮位置等主观偏好，没有标准答案，只能靠大量人类反馈慢慢打磨。

速度偏慢几乎是所有测试者都会提到的共同点，但很少有人抱怨，因为Carbon不再“偷懒”。偷懒正是Argon上线后被批评最多的问题：科技媒体Every测试后建议用户务必复核Argon的产出，在38次基准运行中有17次，Argon将代码审查步骤打开又关上，中间仅隔30毫秒；将Argon从低推理档调到高档，用时只变为原来的1.7倍，而Opus 5.5调到高档要花18倍时间。在Every CEO Dan Shipper的资深工程师基准上，Opus 5.5和Sonnet 5.5均拿下85%，GPT-6 Astra为81%，Argon仅21%，在8个模型中垫底。Business Insider此前报道，谷歌员工内部试用Carbon后称其写代码“感觉像极了Opus 5.5”。

从Argon到Carbon，谷歌的迭代节奏明显加快：9月30日官宣Argon，先只提供给Fairwind计划中的网络安全防御方；10月13日向开发者和订阅用户全面开放；又过8天，Carbon便进入合作伙伴测试。谷歌联合创始人布林将这一节奏归因于“RSI（递归自我改进）”，称研究员已与模型协同开发下一代模型。Argon的安全报告显示，今年9月DeepMind超过九成的代码合并请求中，AI编写部分占比在75%以上；完全交给AI、人类介入不到3轮的合并请求占比从4月的7.5%升至11.9%。当模型开始参与制造模型，Argon与Carbon如此密集地接踵而至也就不难理解。