半導體與AI研究機構SemiAnalysis在社交平台X上釋出了一份寫給Google DeepMind主席Demis Hassabis的「道歉表」,正式撤回其今年8月對Google大模型前景的悲觀判斷。這份表格以半開玩笑的方式列出多個「認錯理由」,包括「只看了X上的訊息」「被在Anthropic工作的室友說服」「沒有閱讀模型卡」等,最後一行則寫道:關於Gemini 4,他們錯了,只想從當初的標題裡撤回一個詞——把「Gemini is cooked」(Gemini完了)改成「Gemini這回真做出了點東西」。
事件的起點是今年8月SemiAnalysis釋出的一篇看空報告。該文認為,Google自去年11月短暫領先之後,再未釋出令人興奮的模型,已處於掉隊狀態。報告分析稱,DeepMind強化學習團隊流失不少人,內部算力分配也不理想,並給出相當重的判斷:Google當然還會繼續釋出模型,但再一次達到行業最高水平的機率已經「降到了零」。
然而報告發出後不到兩個月,Google便公佈了Gemini 4 Argon,隨後在10月底釋出Carbon、11月12日推出Hydrogen、18日釋出Neon,短短8天內接連推出三款模型。其中Carbon的表現一度登上Artificial Analysis綜合能力榜首。這些模型在社交媒體上收穫大量好評:主打Flash的Hydrogen在寫作和複雜軟體任務上能快速完成,最智慧的Carbon擅長處理各類長程Agent任務,而介於兩者之間的Neon兼顧速度與智慧,被認為是Gemini 4系列中綜合能力最強的一款。X上大量使用者點讚了「Gemini 4 Neon太瘋狂了」「解決了此前對Gemini模型的所有不滿」等評論。
11月,Google DeepMind研究員Arthur Douillard在X上透露,團隊曾把那篇批評文章打印出來放在桌上,每天提醒自己當時的問題確實存在,並感謝SemiAnalysis的「激勵」。SemiAnalysis隨後轉發該帖並曬出這份道歉表,幾小時後Hassabis轉發接梗,表示「接受道歉」,同時打趣對方漏勾了「低估了Google DeepMind這群高手」這一項。實際上,在機構官號發梗圖兩週多前,8月看空報告的共同作者Dylan Patel就已在Gemini 4 Carbon評測釋出後,以個人名義向Google公開致歉。
從被公開唱衰到連續釋出四款模型並重返榜單前列,Google內部經歷了怎樣的調整?回溯今年夏天,唱衰並非毫無來由:原定6月推出的Gemini 3.5 Pro遲遲未上線,Google CEO桑達爾·皮查伊曾在5月的I/O大會上預告該模型6月推出,但最終未能如期釋出。受限於算力約束,加上多位專案負責人之間存在意見分歧,程式設計等後來至關重要的方向在當時獲得的資源偏少。此後接掌研發的Koray Kavukcuoglu也解釋稱,團隊那一階段把更多注意力放在了迭代較快的Flash模型上。
在內部資源博弈與外界質疑聲中,Google於8月5日宣佈對DeepMind進行重大組織調整:原DeepMind CTO、Google首席AI架構師Koray Kavukcuoglu出任DeepMind高階副總裁,直接向皮查伊彙報,全面負責Gemini模型開發、前沿研究以及Gemini應用和開發者團隊;Demis Hassabis交出日常運營職責,轉任DeepMind主席和Alphabet首席科學家;與此同時,Gemini原技術共同負責人Jeff Dean、Oriol Vinyals與Sanjay Ghemawat、Quoc Le一同離開谷歌,創辦了Discovery Loop。
外界常以為Google既不缺資料也不缺晶片,做不成大模型難以理解。但即便擁有自研AI晶片TPU,訓練下一代Gemini要用,給眼前使用者生成答案要用,Google Cloud的客戶也在排隊。對集團而言,晶片賣出去是好生意;對研究員而言,排不上的實驗就是做不了。據外媒報道,谷歌雲高管也希望Koray接掌DeepMind後,能緩和內部在TPU供應分配上的緊張關係。
不過,若把Gemini 4的爆發全部歸功於8月的人事調整和算力安排,顯然低估了大模型研發的長週期規律。公開記錄顯示,早在8月5日組織調整和8月7日看空報告發布之前,Gemini 4的底座工程就已經在進行中。在2026年7月22日的Alphabet二季度財報電話會上,皮查伊明確透露,Gemini 4已經啟動了「Google迄今最有野心的預訓練」,管理層已將大量算力和精力集中投入,目標是依託這一代基礎模型加快迭代,將釋出節奏推進到接近每月一版。Koray後來在9月初與11月19日的兩場播客訪談中進一步還原了研發機制:DeepMind內部實行多條研發線並行推進,當一組人打磨當前釋出版本時,另外兩組團隊已在同步開發後續兩代模型,因此10月看到的Gemini 4背後有至少一年的連續研發沿革。
如果說大規模預訓練與多線並行提供了底座,那麼讓Gemini 4在程式設計與智慧體執行上取得明顯突破的,是一套基於真實工程場景的後訓練體系。2026年11月12日,時任Gemini後訓練負責人的Melvin Johnson在AI Engineer CODE大會上,以SemiAnalysis的批評文章開場,詳細披露了Google內部的訓練方法。首先是用內部真實工作流替代靜態公開題庫:Google內部每天約有10萬名員工使用程式設計工具Antigravity寫程式碼,後訓練團隊每訓練出幾個候選模型版本,就會在內部發起盲測,讓工程師用自己手頭的真實開發任務去檢驗、挑選更順手的版本。模型在跨檔案修改中哪一步卡住、哪一次改壞了既有邏輯,這些真實的「失手現場」會被立刻回收,轉化為下一輪訓練題與評分細則。與此同時,團隊會果斷淘汰「過期題目」——在強化學習中,一旦模型對某道題反覆嘗試都能穩定拿滿分,每次取樣得到的獎勵訊號完全相同,模型就無法從中分辨「哪種做法更好」,這類題目必須撤下,換成更高難度的挑戰。
其次,團隊重新定義了什麼叫「做完了」,並重點關注智慧體的誠實度。傳統程式碼評測中,只要跑通單元測試就能拿分;但在Gemini 4的後訓練評分裡,團隊不僅看功能是否實現,還會考察邊界條件處理、程式碼質量、改動範圍是否剋制以及後續可維護性。更重要的是,評分系統會把模型的「自我彙報」與它的實際操作日誌逐一核對:如果一道難題只完成了一半,模型如實交代進度依然可以獲得部分獎勵;但如果它連測試都沒執行就聲稱「全部通過」,就會遭到嚴厲懲罰。Johnson提到,此前Google內部一項高難度工程評測中,基線模型的編造率為8%,Hydrogen約為3%,Carbon約為1.5%。
憑藉紮實底座和高強度後訓練,Google從9月底到11月中旬的短短七週內連續公佈了四款Gemini 4系列模型。其中Hydrogen和Neon都是從Carbon適配出來的:Carbon瞄準需要長時間推理的難題,Hydrogen追求日常任務的執行速度,Neon則兼顧推理深度和效率。回過頭看,SemiAnalysis當時指出的很多問題確實存在,DeepMind的研究員也沒有否認。只是三個月後的結果證明,外界還是低估了Google多年積累的研發能力,以及它把這些能力集中投入到一代模型上的速度。眼下的Gemini 4,又成了其他模型必須認真面對的競爭對手——Google不僅把程式設計、Agent等能力重新推到了第一梯隊,也開始在真實的使用者使用和產品體驗上追趕Codex、Claude等Agent產品。對使用者而言,主要廠商競爭越激烈,越有機會用上更便宜、更可靠、更容易訪問的AI。