谷歌发布 Gemini 4 Carbon，登顶 Artificial Intelligence 榜第一

以下是视频口播的自动转写，可能有错字。

谷歌又放大招了。阿狗呢刚发布了两周时间，谷歌呢火速推出了新旗舰 gemini 4 carbon。这模型呢很强大，一举呢超过了 cloud opus 5.5 和 gpt-6 astral。目前在 artificial intelligence 上以59分位居全榜第一位。

看它的跑分啊，应该说是屠榜屠的非常残暴。general capabilities、a index 和 valves index 都是第一名。agentic coding 呢，三项中两项拿第一，包括了 turn the bench 4.0，这是一个非常困难的 coding 的榜单。

computer use 两项中拿了一项第一。knowledge work、multi-modal understanding、non-context science and math、cyber security 这些呢全是第一。所以总结一下，综合能力排名第一，coding 和电脑使用呢大部分是排第一。

除此以外，知识类、多模态理解、长上下文、数学与科学、网络安全都是排名第一。然后这些榜单也是目前谷歌比较强势的榜单，有一些其他榜单呢，他们就没有放出来。除了榜单成绩以外，google 呢一向呢也是打着性价比，所以呢目前的 carbon 的报价跟 article 一样，是账面单价 opus 5.5 的一。

缓存命中输入呢，还给了95%的折扣优惠，说明呢它的 kv cache 管理是非常强的。八个呢一个特点呢，就是可以非常长城的任务。据国内部团队的反馈呢，是可以连续的运行几天，在庞大的复杂代码库跟底层的任务中的探索，那说明在整个训练过程中呢，其实是有非常稳定的，固定的环境，算力支持，包括显存的支持是非常强大的。

否则呢是很容易报 oom 就是 out of memory 他们内部的说法呢是 carbon 呢是 tackle complex multi step engineering tasks like root causing and patching subtle bugs across large code base and low level systems 就我们说的是可以在复杂的多步长城任务上找到极其隐蔽的 bug 并最终给出修复补丁一气呵成。

carbon 的另外一个特点呢，就是给提示词注入了免疫。这什么概念呢？就是很多的模型在遇到高复杂任务时候呢，可能会走捷径，就是 shortcuts，local exploitation 就是寻找系统中的一些后门。但是呢，这次 carbon 呢，专门针对模型在修不好的 bug 的时候。

时做了一个防备，不让模型去修改脚本或者走漏洞来伪造测试通过。作弊的成功率直接在 tb 4.0上干到了0%，而尝试走捷径的比例呢，也跌到了0.4%。在谷歌内部的实测环境中呢，类似作弊带来的严重性的失调报警，暴跌了近80%。所以呢，google 的 carbon 呢，做到了非常严谨的拒绝不懂装懂，有问题明确边界之后，会直接问人类用。

gemini 4 arkin 之所以又回到第一铁王座，这背后呢很重要的一个能力就是谷歌一直提出的 rsi。在 rsi 的基础上呢，其实减少了很多的不确定性，因为如果没有模型主动的去管理自己的训练、推理和数据采集的话，这三个工作呢其实是三个不同的部门花很长时间各自依赖的一个工作。

那 rsi 呢，对模型训练的主要的价值在于减少了人为的参与，减少了人容易出的错误，以及呢把卡的利用率用到了100%。因为推理的过程和数据采集过程统一在了一起，而训练呢也会见缝插针。实际上我之前分享过谷歌的论文。关于 dream rsi，它的逻辑呢就是在用户的使用过程中，把大规模的一致性场景采集下来，通过 rl 的方式让模型重新解决类似的问题，并寻找更有效的路径。

那按照谷歌的 ceo sundar pichai 的说法，这个路径已经完全跑通了。谷歌呢是非常有预测的，持续推动自己的企业模型。未来对于人类的 ai 科学家的依赖是越来越少。他说法是，we're releasing our models periodically 意思呢就是按周期的持续的提升模型的能力。

所以呢，除了 argon carbon 以外，类似的其他的化学元素，比如 barium 预计呢，整个的元素周期表，未来呢都会持续的迭代升级自己的模型。其实谷歌为什么会走这个路径，我也分享过，因为谷歌的显卡资源是全球领先的，但是谷歌的很多的优秀的科学家都离开了。

ai 的人才呢，其实在谷歌并不是充裕的。所以，isi 呢，就是他们一个很重要的路径，让模型自己训练模型，对人类科学家的依赖逐步降低。目前来看呢，这个路径是非常有效的。