谷歌下一代旗艦模型Carbon在上一代Argon全面開放僅8天後便進入測試階段。據華爾街見聞援引新智元報道，合作伙伴已搶先拿到該模型，LMArena上也出現了盲測版本，釋出似乎近在眼前。訊息傳出後，測試者迅速湧入Arena，一天之內Carbon的實測作品在X上大量湧現。

在LMArena上，Carbon仍掛在“gemini-4-argon”名下，測試者通過執行速度來辨認它——同一名稱下實際存在兩個模型，一個響應快且質量不錯，另一個明顯偏慢但產出驚豔，後者才是Carbon。測評賬號Lumina用超級瑪麗的提示詞讓Carbon生成了一整關遊戲：主角頂磚塊、吃金幣、鑽水管，進入地下關再返回地面，最終跳上旗杆走進城堡，螢幕彈出“COURSE CLEAR”並結算金幣數與評級。Lumina還將同一道體素寶塔題交給Argon、Carbon、Opus 5.5和Sonnet 5.5對比，認為Carbon質量明顯高於Argon，但視任務不同要慢2到4倍。

其他測試者展示了更多3D場景：櫻花沿河岸開放、紅色拱橋橫跨水面、木屋亮燈且天氣可切換的體素山谷；光照能在黃昏、藍調時刻、月光和薄霧晨光間切換的3D城堡；以及用Carbon製作的碳原子sp³雜化與金剛石晶格動畫。爆料人chetaslua稱，這類題目對之前的Gemini模型非常難。開發者Pankaj Kumar則讓Carbon生成了一個可互動的3D水晶柑橘。

不過，SVG與前端設計方面的評價出現分化。有測試者讓Carbon畫可樂瓶SVG，瓶身水珠、標籤小字和瓶蓋均有呈現，並可調節霜凍、氣泡和背光效果；但Haleemah在觀察一整天測試後表示，Carbon最強的仍是3D，好的SVG尚未見到。Lumina也指出，Carbon的前端設計和審美依舊平平，缺少Anthropic模型的那種風格。分析認為，3D場景的幾何、光照、碰撞均由程式碼決定，對錯一目瞭然，可通過算力和強化學習持續推高；前端設計涉及留白、字號、按鈕位置等主觀偏好，沒有標準答案，只能靠大量人類反饋慢慢打磨。

速度偏慢幾乎是所有測試者都會提到的共同點，但很少有人抱怨，因為Carbon不再“偷懶”。偷懶正是Argon上線後被批評最多的問題：科技媒體Every測試後建議使用者務必複核Argon的產出，在38次基準執行中有17次，Argon將程式碼審查步驟開啟又關上，中間僅隔30毫秒；將Argon從低推理檔調到高檔，用時只變為原來的1.7倍，而Opus 5.5調到高檔要花18倍時間。在Every CEO Dan Shipper的資深工程師基準上，Opus 5.5和Sonnet 5.5均拿下85%，GPT-6 Astra為81%，Argon僅21%，在8個模型中墊底。Business Insider此前報道，谷歌員工內部試用Carbon後稱其寫程式碼“感覺像極了Opus 5.5”。

從Argon到Carbon，谷歌的迭代節奏明顯加快：9月30日官宣Argon，先只提供給Fairwind計劃中的網路安全防禦方；10月13日向開發者和訂閱使用者全面開放；又過8天，Carbon便進入合作伙伴測試。谷歌聯合創始人布林將這一節奏歸因於“RSI（遞迴自我改進）”，稱研究員已與模型協同開發下一代模型。Argon的安全報告顯示，今年9月DeepMind超過九成的程式碼合併請求中，AI編寫部分佔比在75%以上；完全交給AI、人類介入不到3輪的合併請求佔比從4月的7.5%升至11.9%。當模型開始參與制造模型，Argon與Carbon如此密集地接踵而至也就不難理解。