谷歌在发布世界模型 Genie 4 的次日，紧接着推出 Gemini 4 Carbon，并对外宣称“重回全球第一”。在 17 项基准测试中，该模型拿下 15 项最高成绩，在 Artificial Analysis 智能指数评测中以 59 分反超 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分。然而，资本市场给出了截然不同的反应：伴随新模型和 Q3 财报发布，Alphabet 盘后股价一度大跌约 10%，市值蒸发 3000 至 4000 亿美元，若次日开盘延续跌势，将创下谷歌历史上单日市值损失的最高纪录。
这种反差的核心在于，Gemini 4 Carbon 并非全新预训练的下一代旗舰，而是在 Gemini 4 Argon 底座上做的专项增强版本，这也是它能在两周内快速推出的原因。谷歌此次主打“安全能力”和“长任务能力”，尤其在漏洞发现、利用验证、补丁修复的全环节表现突出；在代码修复方面，SWE-sweep 评测从 Argon 的 4.3% 翻倍至 9.6%，Terminal-Bench 提升 8.1% 至 65.2%，超长文本处理 GraphWalks 得分 96.2%，远超竞争对手最高 71.8%。
但技术圈的质疑声同样密集。在核心通用赛道上，Gemini 4 Carbon 仍有明显短板：软件工程测试 FrontierSWE 2 中，它以 61.2% 落后于 GPT-6 Astra 的 65.5% 和 Claude Opus 5.5 的 62.3%；电脑操作测试 OSWorld-2.1 中，Claude Opus 5.5 得分 87.2%，Gemini 4 Carbon 以 81.5% 仅排第二。更关键的是，能力提升伴随“胡说八道”概率增加——在 AA-Omniscience 知识评测子集中，幻觉率从 Argon 的 4% 上升至 11%。有网友直言，一个经常出错的模型，哪怕黑客攻防满分，也难以让企业客户放心使用。此前彭博社曾报道，据内部员工透露，Gemini 4 Argon 榜单分数好看，但实际干活时在前端设计等方面表现吃力。
高频迭代的背后，是谷歌研发模式的根本转向。谷歌 CEO 皮查伊在播客访谈中透露，团队年中主动放弃了原计划中的 Gemini 3.5 Pro，判断智能体与编程能力是当前竞争的核心胜负手，决定用轻量级 Flash 模型快速爬坡，在 3 个月内连续推出 3.5 至 3.8 四代 Flash 版本。等到 Flash 系列打磨完成，Gemini 4 Argon 的预训练已收尾，单独发布 3.5 Pro 的生命周期会极短，团队最终跳过该版本，将能力通过后训练整合进 Argon。这标志着谷歌从“两年磨一剑”转向按任务领域拆分、成熟一块推一块的渐进发布节奏。
支撑这一节奏的关键技术路线是递归自我改进（RSI）。皮查伊透露，谷歌内部新增代码约 75% 由 AI 生成，代码回滚率下降三分之一；2025 年推出的 AlphaEvolve 已落地生产系统，深入数据中心调度、芯片设计等环节；2026 年 9 月又公布 Dream-RSI、RRSI 等研究，解决智能体探索效率与自主优化不跑偏的问题。他甚至有自己的内部智能体帮忙处理信息、监控算力使用。
算力仍是最大卡点。Gemini 4 Argon 上线 72 小时累计处理近 25 万亿 Token，是上一代 Gemini 3.0 同期的 3 倍，创下首发用量纪录，但目前仅优先对 API 开发者和 Ultra/Pro 订阅用户开放。为卡住身位，谷歌已将 2026 年资本开支指引上调至 1950 亿至 2050 亿美元，并提前规划 2028 至 2029 年的土地、电力与基建，代价是 Alphabet 出现上市以来连续季度自由现金流转负。皮查伊的选择是主动放弃云业务短期营收，将有限算力优先倾斜给内部前沿模型研发。
外部竞争同样在倒逼。OpenAI、Anthropic 的模型刷新节奏密集，Claude Code 等工具已嵌入开发者日常工作流，谷歌缺少对等的现象级产品，只能靠持续发布与榜单成绩稳住预期。而在 Gemini 4 Carbon 发布后不久，DeepMind 内部员工一句“Gemini [redacted] isn’t yet here though”被网友解读为下一代新模型代号 Gemini Redacted 的线索，市场正观望这究竟是谷歌的下一记重拳，还是又一场雷声大雨点小的公关秀。