谷歌Gemini 4 Carbon首批實測：3D能力超Argon，代碼感近Opus 5.5
nashnova research
谷歌下一代旗艦模型Gemini 4 Carbon已進入合作夥伴測試，盲測顯示其3D生成質量明顯領先Argon，代碼手感被內部員工比作Opus 5.5——距Argon全面開放僅8天，谷歌的模型迭代週期正急劇壓縮。
Carbon比Argon強在哪？
測評帳號Lumina在LMArena盲測中將Carbon與Argon、Opus 5.5、Sonnet 5.5同場比較，結論：Carbon輸出質量明顯高於Argon，但速度慢2至4倍。
Carbon以「gemini-4-argon」名義掛牌，測試者靠響應速度區分——慢的那個就是Carbon。
這意味著→ 谷歌這一輪選擇了用速度換質量，先把輸出水平拉上來，再做推理加速。
3D能力為甚麼躍升最明顯？
3D場景是Carbon最突出的方向：用同一道體素寶塔題橫評，Carbon輸出質量領先。多名測試者展示了Carbon生成的3D城堡（含動態光照）、體素山谷（含實時降雨）、碳原子軌道雜化動畫等作品。
爆料人chetaslua指出，碳原子sp³雜化動畫這類題目對此前的谷歌模型而言「非常難」。
Lumina給出了結構性解釋：3D場景的對錯可由代碼直接驗證（幾何、光照、碰撞算錯即崩），因此可以靠算力和強化學習（讓模型在反覆試錯中自我糾正的訓練方式）持續提升。
簡單來說＝ 3D有客觀標準，模型算錯程式自己會崩，所以「刷題」就能變強；前端設計靠人的審美，只能慢慢積累人工反饋，冇辦法同步提速。這就是為甚麼Carbon的3D躍升明顯，但前端設計仍被評為「平平」。
Argon的「懶病」治好了嗎？
Argon上線以來最大槽點：跑分漂亮，實際做嘢敷衍。科技媒體Every在38次基準運行中發現，Argon有17次在30毫秒內打開又關閉了代碼審查步驟——字面意義上的「扮做咗」。
在Every CEO Dan Shipper的資深工程師基準測試中，Opus 5.5和Sonnet 5.5均得85%，GPT-6 Astra得81%，Argon僅得21%，8個參測模型中墊底。
Carbon測試者普遍反映不再偷懶，雖然更慢，但鮮有人抱怨，因為輸出質量的提升是可感知的。
這意味著→ 谷歌顯然把「懶病」當成了Argon到Carbon之間必須修復的頭號問題。
代碼能力到底甚麼水平？
據Business Insider報道，谷歌員工內部試用Carbon後表示，寫代碼的感覺「極像Opus 5.5」。
這是Carbon在代碼能力上被拿來與Anthropic旗艦模型直接對標的最早公開表述。
這反映出一個信號：谷歌內部對Carbon的代碼能力有信心，敢拿競品最強項做參照——但目前只有主觀感受，缺少公開的標準化跑分驗證。
谷歌為甚麼能迭代這麼快？
谷歌聯合創始人謝爾蓋·布林近期表示，研究員已與模型「手拉手」共同開發下一版模型，谷歌正踏上「遞歸自我改進（RSI）的跑步機」。
簡單來說＝ 模型自己幫手寫代碼來訓練下一版模型，形成「AI造AI」的加速循環。
Argon安全報告的數據印證了這一點：今年9月DeepMind超過九成的代碼合併請求中，AI編寫比例超過75%；完全由AI完成、人類插話不超過3輪的合併請求佔比從4月的7.5%升至11.9%。
接下來睇甚麼？
時間線：9月30日Argon官宣 → 10月13日全面開放 → 10月21日Carbon已進入合作夥伴測試。三週內從一代推到下一代，節奏遠超行業常規。
這意味著→ Carbon正式發佈後，3D和代碼能力的實測優勢能否轉化為開發者留存，將是驗證這輪加速節奏能否持續的關鍵。
懸念在於：速度慢2到4倍的代價，開發者願意承受多久？如果推理加速跟不上，質量優勢可能被使用體驗拖累。
市场有风险，内容仅供研究参考，不构成投资建议。