今年8月,知名半导体和AI研究机构SemiAnalysis发了一篇文章,通篇讲的是Google自去年11月短暂领先之后,再没发布过让人激动的模型,几乎处在掉队状态。文章分析DeepMind强化学习团队走了不少人、内部算力没分配好,下了一个相当重的判断:Google当然还会继续发模型,但再一次达到行业最高水平的概率,已经"降到了零"。
不到两个月,谷歌就公布了Gemini 4 Argon,接着10月底发布Carbon、11月12号推出Hydrogen,18号发布Neon——短短8天时间接连推出3款模型。其中Carbon的表现当时还来到了Artificial Analysis的综合能力榜首。
于是就有了开头那一幕:SemiAnalysis在X上发了一张写给Google DeepMind主席Demis Hassabis的《向Google道歉专用表》。理由一栏勾了"我只看了X上大家的消息""我那在Anthropic工作的室友,说服我相信Gemini已经完了""我没有阅读模型卡"等选项。最有意思的是最后一行:"Demis,关于Gemini 4,我们错了。我们只想撤回一个词。"他们从自己当初的标题里划掉了一个is:Gemini is cooked,一句"Gemini完了",变成了"Gemini这回真做出了点东西"。
接梗的是Google DeepMind研究员Arthur Douillard。他在X上说,团队曾把那篇批评文章打印出来放在桌上,每天提醒自己。他写道,有些问题当时确实存在,想感谢SemiAnalysis那篇文章的激励,"但时代在变"。SemiAnalysis随后转发并晒出道歉表,几小时后Hassabis转发接梗表示"接受道歉",还打趣说对方漏勾了"低估了Google DeepMind这群高手"这一项。
其实早在机构官号发梗图的两周多前,8月看空报告的共同作者Dylan Patel就已在Gemini 4 Carbon的评测发布后,以个人名义向Google公开致歉。
唱衰并非毫无理由
回到今年夏天,一边是原定6月推出的Gemini 3.5 Pro迟迟没有上线——Google CEO桑达尔·皮查伊曾在5月的I/O大会上预告该模型计划于6月推出,但最终未能如期发布。受限于算力约束,加上多位项目负责人之间存在意见分歧,编程等后来显得至关重要的方向在当时获得的资源偏少。此后接掌研发的Koray Kavukcuoglu也解释称,团队在那一阶段把更多注意力放在了迭代较快的Flash模型上。
8月5日,Google宣布对DeepMind进行重大组织调整:原DeepMind CTO、Google首席AI架构师Koray Kavukcuoglu出任DeepMind高级副总裁,直接向皮查伊汇报,全面负责Gemini模型开发、前沿研究以及Gemini应用和开发者团队。Demis Hassabis交出日常运营职责,转任DeepMind主席和Alphabet首席科学家;与此同时,Gemini原技术共同负责人Jeff Dean、Oriol Vinyals,与Sanjay Ghemawat、Quoc Le一同离开谷歌,创办了Discovery Loop。
算力是另一道坎。即便Google有自己的AI芯片TPU,可训练下一代Gemini要用,给眼前的用户生成答案要用,Google Cloud的客户也在排队。对集团而言,芯片卖出去了是好生意;对研究员而言,排不上的实验就是做不了。据外媒报道,谷歌云高管也希望Koray接掌DeepMind后,能缓和内部在TPU供应分配上的紧张关系。
翻身准备了多久
把Gemini 4几款模型爆发并广受好评的功劳都算在8月的人事调整和算力安排上,显然低估了大模型研发的长周期规律。公开记录显示,早在8月5日组织调整和8月7日看空报告发布之前,Gemini 4的底座工程就已经在进行中。在2026年7月22日的Alphabet二季度财报电话会上,皮查伊明确透露,Gemini 4已经启动了"Google迄今最有野心的预训练",管理层已将大量算力和精力集中投入,目标是依托这一代基础模型加快后续迭代速度,将发布节奏推进到接近每月一版本。
Koray后来在9月初与11月19日的两场播客访谈中进一步还原了研发机制:DeepMind内部实行多条研发线并行推进,当一组人打磨当前发布版本时,另外两组团队已经在同步开发后续两代模型,因此10月看到的Gemini 4背后有至少一年的连续研发沿革。
让Gemini 4在编程与智能体执行上取得明显突破的,是一套真实工程场景的后训练体系。2026年11月12日,时任Gemini后训练负责人的Melvin Johnson在AI Engineer CODE大会上,以SemiAnalysis的批评文章开场,详细披露了内部训练方法:
- 用内部真实工作流替代静态公开题库。Google内部每天约有10万名员工使用编程工具Antigravity写代码,后训练团队训练出候选模型版本后就在内部发起盲测,让工程师用真实开发任务检验、挑选更顺手的版本。跨文件修改中哪一步卡住、哪一次改坏了既有逻辑,这些"失手现场"会被立刻回收,转化为下一轮训练题与评分细则。
- 果断淘汰"过期题目"。在强化学习中,一旦模型对某道题反复尝试都能稳定拿满分,每次采样得到的奖励信号完全相同,模型就无法分辨"哪种做法更好",这类题目必须撤下,换成更高难度的挑战。
- 重新定义什么叫"做完了"。评分不仅看功能是否实现,还考察边界条件处理、代码质量、改动范围是否克制以及后续可维护性;系统会把模型的"自我汇报"与操作日志逐一核对,如实交代进度可获部分奖励,连测试都没运行就声称"全部通过"会遭到严厉惩罚。
Johnson也提到,在Google内部一项高难度工程评测中,基线模型的编造率为8%,Hydrogen约为3%,Carbon约为1.5%。
凭借扎实底座和高强度后训练,Google从9月底到11月中旬的短短七周内连续公布了四款Gemini 4系列模型。其中Hydrogen和Neon都是从Carbon适配出来的:Carbon瞄准需要长时间推理的难题,Hydrogen追求日常任务的执行速度,Neon则兼顾推理深度和效率。
回过头看,SemiAnalysis当时指出的很多问题确实存在,DeepMind的研究员也没有否认。只是三个月后的结果证明,外界还是低估了Google多年积累的研发能力,以及它把这些能力集中投入到一代模型上的速度。眼下的Gemini 4,又成了其他模型必须认真面对的竞争对手。
热门跟贴