OpenAI时隔75天的顶级模型刚发布,社区吐槽就炸了。有人直言新模型“几乎没法用”,有人抱怨它过分谨慎、难以指挥,还有人认为它解释自己的工作像在“说外星话”。前·赛博义父Tibo在X上表示,已收到关于模型语言风格的反馈,OpenAI正在想办法改进。评论区里已经有人表示准备换掉OpenAI,转用Gemini。

打开网易新闻 查看精彩图片

谷歌这边确实势头很猛。美国时间11月18日,谷歌正式发布Gemini 4 Neon。算上9月底的Argon、10月底的Carbon,以及六天前刚发布的Hydrogen,这已经是谷歌在不到50天里推出的第四款Gemini 4模型。

根据谷歌公布的测试结果,Neon在编程、办公自动化、科学推理、多模态理解、长上下文等多个领域,几乎全面压过Opus 5.5和刚推出的GPT-6.2 Sol。同一天,谷歌还宣布向部分付费用户开放世界模型Genie 4,用户可以直接在浏览器里生成、进入虚拟世界,并在探索过程中改变天气、加入角色,让场景和声音随之变化。

四款模型,一条技术继承链

9月30日,Gemini 4 Argon发布;10月28日,Carbon接棒;11月12日,Hydrogen登场;11月18日,又有了Neon。四款模型接连发布,并不等于谷歌在49天里从头造出了四套完全不同的模型。根据谷歌DeepMind公布的模型卡,Gemini 4系列存在明确的技术继承关系:Carbon基于Argon开发,Hydrogen和Neon又都是在Carbon的基础上适配而来。

Neon在Artificial Analysis综合智能评测中拿到61分,超过Claude Opus 5.5的59分和GPT-6.2 Sol的57分,也超过了“上一级”Carbon的60分。不过Neon的61分来自最高思考强度Xhigh,Carbon的60分对应High档;如果都使用High档,两款模型得分同为60分。

根据模型卡,Neon在Carbon的基础上适配而来,定位明确:保持接近旗舰级性能的同时,提高执行速度、降低使用成本。官方数据显示,在默认High思考档位下,Neon完成同类评测任务的平均成本比Carbon低32%,并提供四档思考强度供用户按任务难度调整。不过这里的成本优势指完成任务的平均花费,Neon目前的API价格为每百万输入Token 3美元、输出Token 15美元,论单价要比仍处于促销期的Carbon贵一些。

在Zapier的办公自动化测试AutomationBench中,Neon取得56.3%的成绩,超过Claude Opus 5.5的42.5%和GPT-6.2 Sol的41.3%。这项测试要求AI独立完成真实业务流程,包括操作软件、处理数据、跨应用执行任务。在考察长期任务执行能力的Vending-Bench 2测试中,Neon需要独立经营一家模拟自动售货机,处理采购、补货、定价、供应商谈判等事务,经过模拟的一年运营,最终留下平均16,843美元的账户余额。编程方面,Neon在Artificial Analysis Coding Agent Index中拿到58.6分,以微妙差距胜过Fable 5.2。

Neon也并非全面领先。即使在谷歌公布的成绩单中,Claude Opus 5.5仍在两项编程测试中略胜一筹:Terminal-Bench 4.1得分65.8%,高于Neon的65.2%;FrontierCode 2.0得分47.3%,同样超过Neon的46.2%。

目前Neon已向Gemini App的Pro和Ultra订阅用户开放,开发者可通过Google AI Studio、Gemini API和Antigravity使用。在Antigravity中,Neon能充当任务协调者,把工作分配给多个Hydrogen子Agent并行执行,自己负责规划、统筹和检查结果。这套协作机制此前已在Carbon和Hydrogen之间实现。最早登场的Argon反倒有些尴尬——还没来得及建立用户口碑,就被后续版本抢走风头,如今在Gemini App中,Neon已经取代了Argon原来的位置。

元素周期表之外,还造了个“世界”

Argon是氩,Carbon是碳,Hydrogen是氢,Neon是氖,Gemini 4系列走的是“元素路线”。几乎每个模型发布贴下都有网友吐槽“看不出和模型性能之间的关系”,甚至被调侃“是不是有朝一日要把元素周期表给占满”。这个梗谷歌自己也在玩,现在打开Google AI Studio,真的多了一个可以在元素周期表里选模型的互动界面。

就在Neon发布的同一天,谷歌宣布向部分付费用户开放世界模型Genie 4。这款模型早在10月27日就已亮相,此前主要向受邀测试者提供研究预览,如今开放给符合条件的Google AI Ultra订阅用户,Pro会员可以加入等待名单。

只需输入文字或图片,Genie 4就能实时生成一个可自由探索、互动的虚拟环境。用户可以通过键盘和鼠标在场景中移动,也可以随时输入新指令,改变天气、加入角色,甚至调整接下来发生的事件。Genie 4还能同时生成声音,从环境里的风声、水声到角色之间的对话,都随场景变化实时调整。根据模型卡,Genie 4能实时生成最高720p、每秒24帧的画面,并提供同步音频。

这次更新还加入了一个专门帮用户设计虚拟世界的Agent(Project Genie Agent),用户像聊天一样描述想要的场景,它就能帮忙设计画面风格、搭配背景音乐。进入虚拟世界后,用户还可以让Gemini加入探索,它能够观察当前画面,给出接下来去哪里、做什么的建议,甚至根据探索过程触发新的事件。谷歌还建立了社区画廊,允许用户探索、修改和分享其他人制作的虚拟世界。

相比上一代Genie 3,Genie 4在画面真实感、物理模拟和交互能力上有比较明显的进步,但距离真正成熟的开放世界还有很大差距。谷歌承认,Genie 4在长时间运行、频繁修改场景时,仍可能出现物体突然变化、空间细节不一致等问题,复杂物理交互也有待改善。

谷歌DeepMind在10月的研究公告中提到,Genie 4的技术基础来自Gemini系列:Gemini Omni负责生成贴近现实的画面和行为表现,其他Gemini模型参与推理,帮助虚拟世界保持连贯性。11月5日,谷歌推出Gemini Omni 1.2 Flash,将单次视频生成的最长时长从10秒增加到15秒,同时提高角色和场景的一致性,并将生成价格降低30%。

世界模型还有另一个很有想象空间的作用:训练机器人。11月10日,谷歌DeepMind推出Gemini Robotics 2.5,重点提升机器人执行复杂操作的能力。在与Apptronik、奔驰合作的一项实际生产线概念验证中,搭载Gemini Robotics 2.5的Apollo 2人形机器人能够自主将汽车零件从料箱中取出,再按生产需要放入指定容器,任务成功率达到96%。谷歌明确提到,Gemini 4 Argon在Robotics 2.5的研发过程中发挥了重要作用:研究人员利用Argon生成大量模拟训练场景,让机器人在虚拟环境中练习操作,并根据实际任务失败的视频分析问题、尝试改进方案。在10月27日的Genie 4研究演示中,谷歌还展示了Argon与Genie 4合作模拟人形机器人下跳棋的过程:Argon负责把任务拆解成步骤,Genie 4实时生成对应的场景变化。

Gemini系列负责推理与规划,Omni生成视觉和声音,Genie尝试模拟真实世界,Robotics让AI进一步控制现实中的机器。不同的研究方向已经开始相互配合,甚至相互加速。

多年家底,开始发力

早在十多年前,谷歌就开始研发TPU,最初主要用于语音识别、机器翻译等内部业务。如今TPU已迭代到第八代,成为谷歌训练和运行Gemini系列模型的重要基础设施。11月9日,谷歌一口气推出TPU 8tx和TPU 8i Max两套新系统,算上今年4月发布的TPU 8t和8i,一年之内扩充了四套第八代TPU系统。

和Gemini 4系列类似,TPU也开始明确分工:8t主要负责大规模模型训练,8i针对低延迟推理优化;新发布的8tx专门加强机密计算能力,让企业处理敏感数据时更安全地运行AI模型;8i Max把两颗8i芯片组合进同一个封装,计算能力、片上缓存和高带宽内存带宽均提高一倍,专门应对超长上下文和多个Agent协作产生的算力需求。谷歌公布的数据显示,TPU 8t的训练性能最高可达上一代产品的2.7倍,8i的推理性价比最高提升80%。

谷歌还提到,公司已开始使用DeepMind研发的AlphaChip以及Gemini模型辅助设计下一代芯片,将部分原本需要数周完成的芯片布局工作缩短至数小时。10月20日,谷歌开源了与Meta的PyTorch团队共同开发的TorchTPU,让开发者可以用熟悉的PyTorch框架在谷歌TPU上训练和运行AI模型,不必为更换硬件大规模重写代码。谷歌在11月9日透露,TPU业务已拥有接近100家客户,包括前沿AI实验室、金融机构、零售企业和大学等。

产品体系同样是现成的落点。就拿Hydrogen来说,谷歌几乎在推出模型的同时,就把它带进了Gemini App和谷歌搜索,新模型可以直接接触原本就在使用谷歌服务的用户。

这段时间的“加速”,恐怕也和今年那场大规模人事调整脱不开关系。8月5日,谷歌DeepMind经历一轮大规模重组:掌管DeepMind多年的德米斯·哈萨比斯卸下日常管理职责,转任DeepMind董事长及Alphabet首席科学家;原本担任首席技术官的科拉伊·卡武库奥卢接过管理权,直接向皮查伊汇报,负责Gemini模型开发、前沿AI研究及相关产品团队;杰夫·迪恩、奥里奥尔·维尼亚尔斯等谷歌AI元老相继离职,另起炉灶。当时Gemini的新一代旗舰模型已经推迟了两个月,部分内部测试成绩仍落后于竞争对手,几位核心研究人员的离开,更让外界开始怀疑谷歌是不是准备放弃争夺最强模型,将更多精力转向产品商业化。

至少从最近交出的成绩单来看,谷歌已经找到了状态。10月28日,在Alphabet的财报电话会议上,CEO桑达尔·皮查伊提到,AI已经开始帮助谷歌加快模型训练和发布的速度,他预计接下来12个月这种加速还会持续。

回头再看OpenAI,GPT-6.2 Astra仍然拥有强悍的模型能力,OpenAI也表示正在想办法改进被吐槽的语言风格。几天的社区差评,当然不足以证明OpenAI已经掉队。但谷歌的AI,这回是真的支棱起来了。