谷歌在不到50天的時間裡連續推出了四款Gemini 4系列模型,最新一款Neon於11月18日正式釋出。根據谷歌公佈的測試結果,Neon在程式設計、辦公自動化、科學推理、多模態理解、長上下文等多個領域,幾乎全面壓過Claude Opus 5.5和剛剛推出的GPT-6.2 Sol。同一天,谷歌還宣佈向部分付費使用者開放世界模型Genie 4,使用者可以直接在瀏覽器裡生成、進入虛擬世界,並在探索過程中改變天氣、加入角色,讓場景和聲音隨之變化。

Gemini 4系列的密集釋出始於9月30日的Argon,隨後10月28日Carbon接棒,11月12日Hydrogen登場,11月18日Neon亮相。不過,這四款模型並非從頭打造的四套獨立系統。根據谷歌DeepMind公佈的模型卡,Gemini 4系列存在明確的技術繼承關係:Carbon基於Argon開發,而Hydrogen和Neon又都是在Carbon的基礎上適配而來。後續模型的表現不斷追趕甚至超越前代,最早登場的Argon反倒有些尷尬——它甚至還沒來得及建立自己的使用者口碑,就被後續版本搶走了風頭。如今,在Gemini App中,Neon已經取代了Argon原來的位置。

Neon的定位是在保持接近旗艦級效能的同時,提高執行速度、降低使用成本。官方資料顯示,在預設的High思考檔位下,Neon完成同類評測任務的平均成本比Carbon低32%。同時它提供四檔思考強度,讓使用者能夠根據任務難度,自行調整成本和速度。不過,Neon目前的API價格為每百萬輸入Token 3美元、輸出Token 15美元,論單價要比仍處於促銷期的Carbon貴一些。

在綜合智慧評測中,Neon拿到61分,超過了Claude Opus 5.5的59分以及GPT-6.2 Sol的57分,甚至超過了它上一級Carbon的60分。不過Neon的61分來自最高思考強度Xhigh,而Carbon的60分對應High檔。如果都使用High檔,兩款模型的得分同為60分。在辦公自動化測試AutomationBench中,Neon取得了56.3%的成績,超過Claude Opus 5.5的42.5%和GPT-6.2 Sol的41.3%。在考察長期任務執行能力的Vending-Bench 2測試中,Neon經過模擬的一年運營,最終留下了平均16,843美元的賬戶餘額。程式設計方面,Neon在Artificial Analysis Coding Agent Index中拿到了58.6分,以微妙的差距勝過了Fable 5.2。

不過Neon也並非全面領先。即使在谷歌公佈的成績單中,Claude Opus 5.5仍然在兩項程式設計測試中略勝一籌:Terminal-Bench 4.1得分65.8%,高於Neon的65.2%;FrontierCode 2.0得分47.3%,同樣超過Neon的46.2%。

目前,Neon已經開始向Gemini App的Pro和Ultra訂閱使用者開放,開發者則可以通過Google AI Studio、Gemini API和Antigravity使用Neon。在Antigravity中,Neon還能充當任務協調者,把工作分配給多個Hydrogen子Agent並行執行,自己負責規劃、統籌和檢查結果。這套協作機制此前已經在Carbon和Hydrogen之間實現,如今Neon也加入了進來。

谷歌為不同模型安排了越來越清楚的分工:從最高階的複雜推理到簡單任務,再到需要兼顧效能和成本的Agent工作。而世界模型Genie 4的開放,則讓使用者能夠直接生成、進入一個由AI創造的虛擬世界。只需要輸入文字或者圖片,Genie 4就能即時生成一個可以自由探索、互動的虛擬環境。使用者可以通過鍵盤和滑鼠在場景中移動,也可以隨時輸入新的指令,改變天氣、加入角色,甚至調整接下來發生的事件。Genie 4還能同時生成聲音——從環境裡的風聲、水聲,到角色之間的對話,都能隨著場景的變化即時調整。根據模型卡,Genie 4能夠即時生成最高720p、每秒24幀的畫面,並提供同步音訊。

在這次更新中,谷歌還加入了一個專門幫使用者設計虛擬世界的Agent(Project Genie Agent)。使用者只需要像聊天一樣描述自己想要的場景,它就能幫忙設計畫面風格、搭配背景音樂。進入虛擬世界後,使用者還可以讓Gemini加入探索。它能夠觀察當前畫面,給出接下來去哪裡、做什麼的建議,甚至根據探索過程觸發新的事件。谷歌還建立了社群畫廊,允許使用者探索、修改和分享其他人制作的虛擬世界。

相比上一代Genie 3,Genie 4在畫面真實感、物理模擬和互動能力上取得了比較明顯的進步,不過,它帶來的體驗距離真正成熟的開放世界還有很大差距。谷歌承認,Genie 4在長時間執行、頻繁修改場景時,仍可能出現物體突然變化、空間細節不一致等問題,複雜物理互動也有待改善。

Genie 4的技術基礎來自Gemini系列:Gemini Omni負責生成貼近現實的畫面和行為表現,其他Gemini模型則參與推理,幫助虛擬世界保持連貫性。說到Gemini Omni,谷歌最近在影片模型上也沒有閒著。11月5日,谷歌推出了Gemini Omni 1.2 Flash,將單次影片生成的最長時長從10秒增加到15秒,同時提高角色和場景的一致性,並將生成價格降低了30%。

在世界模型這條路上,還有一個很有想象空間的作用:訓練機器人。谷歌已經開始嘗試將通用模型與世界模型結合,用虛擬場景模擬機器人的行動。11月10日,谷歌DeepMind推出Gemini Robotics 2.5,重點提升了機器人執行復雜操作的能力。在與Apptronik、賓士合作的一項實際生產線概念驗證中,搭載Gemini Robotics 2.5的Apollo 2人形機器人能夠自主將汽車零件從料箱中取出,再按照生產需要放入指定容器。按照谷歌公佈的結果,這項試驗的任務成功率達到了96%。谷歌明確提到,Gemini 4 Argon在Robotics 2.5的研發過程中發揮了重要作用。研究人員利用Argon生成大量模擬訓練場景,讓機器人在虛擬環境中練習操作,並根據實際任務失敗的影片分析問題、嘗試改進方案。

谷歌正在同時推進多個AI領域的技術研發,而要讓如此龐大的研發體系持續運轉,光有模型顯然還不夠。早在十多年前,谷歌就開始研發TPU(張量處理單元),如今TPU已經迭代到了第八代,併成為了谷歌訓練和執行Gemini系列模型的重要基礎設施。11月9日,谷歌一口氣推出了TPU 8tx和TPU 8i Max兩套新系統。算上今年4月釋出的TPU 8t和8i,谷歌在一年之內擴充了四套第八代TPU系統。和Gemini 4系列類似,谷歌的TPU也開始明確分工:8t主要負責大規模模型訓練,8i針對低延遲推理進行最佳化;新發布的8tx則專門加強機密計算能力;8i Max把兩顆8i晶片組合進同一個封裝,計算能力、片上快取和高頻寬記憶體頻寬均提高一倍,專門應對超長上下文和多個Agent協作產生的算力需求。根據谷歌公佈的資料,TPU 8t的訓練效能最高可達到上一代產品的2.7倍,而8i的推理價效比最高提升80%。

谷歌還在公告中提到,公司已經開始使用DeepMind研發的AlphaChip,以及Gemini模型來輔助設計下一代晶片,將部分原本需要數週完成的晶片佈局工作縮短至數小時。AI幫助設計晶片,晶片又為更強大的AI提供算力,在這裡形成了一個加速的迴圈。而且,谷歌如今已經不滿足於用TPU訓練自家的模型了。10月20日,谷歌還宣佈開源了TorchTPU。這項與Meta的PyTorch團隊共同開發的技術,可以讓開發者使用熟悉的PyTorch框架,在谷歌TPU上訓練和執行AI模型,而不必為了更換硬體大規模重寫程式碼。谷歌在11月9日透露,TPU業務已經擁有接近100家客戶,包括前沿AI實驗室、金融機構、零售企業和大學等。

光有晶片和模型還不夠,谷歌還有龐大的現成產品體系,可以讓模型派上用場。就拿最近釋出的Hydrogen來說,谷歌幾乎在推出模型的同時,就將它帶進了Gemini App和谷歌搜尋。新模型可以不斷被引入谷歌已有的產品,直接接觸原本就在使用谷歌服務的使用者。

這段時間的加速,恐怕也和今年那場大規模人事調整脫不開關係。8月5日,谷歌DeepMind經歷了一輪大規模重組。掌管DeepMind多年的德米斯·哈薩比斯卸下日常管理職責,轉任DeepMind董事長及Alphabet首席科學家;原本擔任技術長的科拉伊·卡武庫奧盧接過管理權,直接向皮查伊彙報,負責Gemini模型開發、前沿AI研究及相關產品團隊;傑夫·迪恩、奧里奧爾·維尼亞爾斯等谷歌AI元老相繼離職,另起爐灶。當時Gemini的新一代旗艦模型已經推遲了兩個月,部分內部測試成績仍然落後於競爭對手。幾位核心研究人員的離開,更讓外界開始懷疑,谷歌是不是準備放棄爭奪最強模型,將更多精力轉向產品商業化。

至少從最近交出的成績單來看,谷歌已經找到了狀態,重新站穩了模型第一梯隊。10月28日,在Alphabet的財報電話會議上,CEO桑達爾·皮查伊提到,AI已經開始幫助谷歌加快模型訓練和釋出的速度。他預計,接下來12個月,這種加速還會持續。

回頭再看OpenAI,其實GPT-6.2 Astra仍然擁有強悍的模型能力,OpenAI也表示了正在想辦法改進被吐槽的語言風格。幾天的社群差評,當然不足以證明OpenAI已經掉隊。但谷歌的AI,這回是真的支稜起來了。