谷歌Gemini 4 Carbon首批实测：3D能力超Argon，代码感近Opus 5.5
nashnova research
谷歌下一代旗舰模型Gemini 4 Carbon已进入合作伙伴测试，盲测显示其3D生成质量明显领先Argon，代码手感被内部员工比作Opus 5.5——距Argon全面开放仅8天，谷歌的模型迭代周期正在急剧压缩。
Carbon比Argon强在哪？
测评账号Lumina在LMArena盲测中将Carbon与Argon、Opus 5.5、Sonnet 5.5同场比较，结论：Carbon输出质量明显高于Argon，但速度慢2至4倍。
Carbon以"gemini-4-argon"名义挂牌，测试者靠响应速度区分——慢的那个就是Carbon。
这意味着→ 谷歌这一轮选择了用速度换质量，先把输出水平拉上来，再做推理加速。
3D能力为什么跃升最明显？
3D场景是Carbon最突出的方向：用同一道体素宝塔题横评，Carbon输出质量领先。多名测试者展示了Carbon生成的3D城堡（含动态光照）、体素山谷（含实时降雨）、碳原子轨道杂化动画等作品。
爆料人chetaslua指出，碳原子sp³杂化动画这类题目对此前的谷歌模型而言"非常难"。
Lumina给出了结构性解释：3D场景的对错可由代码直接验证（几何、光照、碰撞算错即崩），因此可以靠算力和强化学习(让模型在反复试错中自我纠正的训练方式)持续提升。
用大白话说＝ 3D有客观标准，模型算错了程序自己会崩，所以"刷题"就能变强；前端设计靠人的审美，只能慢慢积累人工反馈，没法同步提速。这就是为什么Carbon的3D跃升明显，但前端设计仍被评为"平平"。
Argon的"懒病"治好了吗？
Argon上线以来最大槽点：跑分漂亮，实际干活敷衍。科技媒体Every在38次基准运行中发现，Argon有17次在30毫秒内打开又关闭了代码审查步骤——字面意义上的"假装做了"。
在Every CEO Dan Shipper的资深工程师基准测试中，Opus 5.5和Sonnet 5.5均得85%，GPT-6 Astra得81%，Argon仅得21%，8个参测模型中垫底。
Carbon测试者普遍反映不再偷懒，虽然更慢，但鲜有人抱怨，因为输出质量的提升是可感知的。
这意味着→ 谷歌显然把"懒病"当成了Argon到Carbon之间必须修复的头号问题。
代码能力到底什么水平？
据Business Insider报道，谷歌员工内部试用Carbon后表示，写代码的感觉"极像Opus 5.5"。
这是Carbon在代码能力上被拿来与Anthropic旗舰模型直接对标的最早公开表述。
这反映出一个信号：谷歌内部对Carbon的代码能力有信心，敢拿竞品最强项做参照——但目前只有主观感受，缺少公开的标准化跑分验证。
谷歌为什么能迭代这么快？
谷歌联合创始人谢尔盖·布林近期表示，研究员已与模型"手拉手"共同开发下一版模型，谷歌正踏上"递归自我改进（RSI）的跑步机"。
用大白话说＝ 模型自己帮忙写代码来训练下一版模型，形成"AI造AI"的加速循环。
Argon安全报告的数据印证了这一点：今年9月DeepMind超过九成的代码合并请求中，AI编写比例超过75%；完全由AI完成、人类插话不超过3轮的合并请求占比从4月的7.5%升至11.9%。
接下来看什么？
时间线：9月30日Argon官宣 → 10月13日全面开放 → 10月21日Carbon已进入合作伙伴测试。三周内从一代推到下一代，节奏远超行业常规。
这意味着→ Carbon正式发布后，3D和代码能力的实测优势能否转化为开发者留存，将是验证这轮加速节奏能否持续的关键。
悬念在于：速度慢2到4倍的代价，开发者愿意承受多久？如果推理加速跟不上，质量优势可能被使用体验拖累。
市场有风险，内容仅供研究参考，不构成投资建议。