Gemini 4 Carbon 之后的 Gemini：一次泄露、零规格，以及 28 天节奏

10月29日 UTC 时间刚过 02:00——此时加州是10月28日傍晚，也正是 Google 宣布其新前沿模型的那一天——账号 @kimmonismus 发布了一句话，除了这句话本身，背后别无他物：“他们还有另一个未发布的 Gemini 模型，比 Carbon 更好。”没有代号，没有基准测试，没有日期，没有截图，也没有第二个消息来源。同一条帖子中唯一可核实的那句话，是大家早已知道的部分：Gemini 4 Carbon 当天以 59 分在 Artificial Analysis Intelligence Index v5.0 上排名第一。而 Carbon 所基于的模型 Gemini 4 Argon 是在二十八天前宣布的，并于十五天前进入正式可用阶段。

所以这是一篇梳理“目前已知信息”的文章，讲的是一个没有名称、没有评分、也没有发布日期的模型——而诚实地写它的方式，就是把三类证据分开。Google 已发布的是：一篇博客文章、一个价格和一个获取方案。独立测量补充的是：一个排行榜排名和一个每任务成本。文章所断言的是：实验室内部存在某种更快的东西。只有前两类可以核实，而只有第三类，对任何没有一直关注这一发布节奏的人来说，才算新闻。

该主张，以及它实际包含的内容

这条帖子由四个分句组成，其中只有一句是对未来模型的断言。它依次说道：还存在另一个未发布的 Gemini；它比 Carbon 更强；Carbon 在 Artificial Analysis Index 上排名第一；而这一切看起来像是迈向递归式自我改进的重要一步。第三个分句可以核实，而且属实。前两句没有标明出处。第四句是一种解读，而这恰恰是 Google 自己的领导层最为谨慎、刻意含糊其辞的部分——详见下文。

帖子没有包含什么，与它包含了什么同样重要。这里没有内部代号，而对于这个故事来说这很不寻常：发布前的那次 Carbon 泄露就附带了一个代号，还有一个平台名称，以及若干员工的引述。这里也没有那种今年每一次可信的 Gemini 泄露都会携带的佐证——一个框架的 pull request、一条模型注册表条目、一个 arena 别名、一张 Helm chart。没有日期，没有规模，没有模态列表，也没有任何迹象表明这一说法是来自谷歌内部人士、来自合作伙伴，还是来自对发布本身的推断。帖子下的回复都是玩笑，其中一条写道“不过 Gemini[已删节]还没到呢”，这正是应当从该帖中获取的恰当信心水平。

精确地为“今天”定日期也值得一做，因为这是整个故事中唯一能被确定下来的时间戳。帖子发布于 10 月 29 日 02:06 UTC。在山景城，这对应 10 月 28 日 19:06——也就是谷歌发布 Carbon 公告的同一天，也是 Artificial Analysis 发布其将 Carbon 列为第一的分析文章的同一天。排行榜上的说法并非独家新闻；它就是那场发布，在晚饭后又被重述了一遍。

Google 在10月28日发布了什么，以及没有发布什么

这份主要文档篇幅简短，但对访问权限的描述异常具体。Koray Kavukcuoglu，Google DeepMind 高级副总裁兼首席 AI 架构师，于 2026 年 10 月 28 日在 blog.google 上发表了《Gemini 4 Carbon: our next frontier model》。文中将 Carbon 描述为“我们最强的模型，具备最先进的网络安全能力和长时程能力”，称其基于“两周前发布”的 Gemini 4 Argon 构建，并表示 Carbon“在近期更新的 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一”。

要读两遍的是关于访问权限的那一段。Google 表示，从那一周开始，它将让 Carbon “面向一部分网络防御者”开放，然后“通过我们的 Fairwind Program 逐步向更多受信任合作伙伴开放访问权限”，之后才会“尽快通过我们的产品界面将其带给开发者、企业和消费者”。这是一个除第一步之外没有任何日期的序列。截至 10 月 30 日，仍然没有公开的模型标识符、没有端点，也没有办法通过 API 调用 Carbon——这也正是上文撰写时该模型所处的状态。

这篇文章没有包含的是规格说明。没有参数数量，没有架构描述，没有上下文窗口，没有技术报告，也没有提到任何比 Carbon 更新的模型。Ars Technica 随发布一同报道的解读是，Carbon 可能是 Argon 的后训练升级，而不是一种新架构；Google 对此不置可否。没有后继者并不能证明不存在后继者——公司不会在当前版本的发布文章中预先公布下一个检查点——但这确实意味着，这篇报道中唯一的第一方声明是关于 Carbon 的。

独立测量带来的价值

Artificial Analysis 在这个事件中最接近中立裁判，但有一个惯常的保留条件：它运行自己的评估，而不是复述任何厂商的榜单。其在 10 月 28 日的文章中，将 Gemini 4 Carbon 在 Intelligence Index v5.0 上的得分列为 59，在其追踪的模型中排名第一，领先于 Claude Opus 5.5 的 58 和 GPT-6 Astra 的 57。它指出，Carbon 在九个组成评估中的四个领先——HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA——这比“最佳模型”的说法范围更窄，也更有用。

同一篇报道也正是发布叙事获得平衡之处。在 Coding Agent Index 上，Carbon 以 59 分位居第二，而非第一；Claude Opus 5.5 搭配 Claude Code 则以 62 分领先。它在 Terminal-Bench 4.0 上排名第二，在 FrontierCode v1.1 上也排名第二。在知识工作 Elo 评测 AA-Briefcase 上，它达到 1609，但仍落后于 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro。其测得的成本为每项 Intelligence Index 任务 $7.76，比 Opus 5.5 的 $10.04 低约 23%——这是一项被“第一”的说法所掩盖的效率优势。

本文中每一个数字都必须附带一条方法论说明。Artificial Analysis 于 10 月 27 日将 Index 重建为 v5.0，用私有或留出测试集替换了综合评分中 60% 的内容，并更换了若干组成评估项。重建之前的分数并不处于同一尺度，因此不能用 Carbon 的 59 减去较早的 Argon 数值；任何向你展示重建前后取得九分提升的文章，都是在拿两把不同的尺子作比较。本文中的 v5.0 数字全部取自重建后的运行结果。

而对本文来说最重要的细节是：Artificial Analysis 的文章中恰好提到了两个 Gemini 模型——Carbon 和 Argon。Carbon 之上没有匿名行，没有“Gemini preview”条目，也没有任何未命名的条目处在 60 或以上。如果某个更强的模型已经在某个公开场合被测量，那里会是它最先浮现的地方。

为什么实验室中出现更新的检查点是合理的

这一说法并非不可信，原因在于算术，而不是内幕消息。Gemini 4 Argon 于 9 月 30 日发布，并于 10 月 13 日全面可用。Carbon 于 10 月 28 日发布——在 Argon 发布后二十八天、在其全面可用后十五天。谷歌自己的帖子把这一间隔点明为核心：Carbon“体现了我们推进前沿的速度。”Sundar Pichai 在自己的 X 帖子中将这些发布描述为定期模型发布的节奏，而非一次性代际发布。

10月早些时候的报道揭示了这一节奏背后的运作机制。Business Insider 10月9日的报道基于内部文件和员工消息，点名了一系列检查点——Argon、Barium、Carbon——并报道称，“Barium-B”是最终以 Argon 之名公开发布的内部构建版本。Carbon 当时正在 Google 的内部编码平台 Jetski 上测试，一名员工写道，它在编码方面“感觉像 Opus 5.5”，另一名员工则写道“Carbon 真的很不错”。第三份内部记录使用了公司为 Gemini 更新保留的“Next”标签：“新的 Gemini pro next 模型感觉还挺不错。”Google 拒绝置评。

那篇报道是10月29日帖子所拥有的最强结构性支撑，而值得精确说明的是它究竟支撑了什么。它确立的是：谷歌当时在并行运行多个检查点，并以很短的间隔发布它们；而这正是这样一种机制：一个更新、更好的检查点会在被宣布之前就已存在。它并未确立这样的检查点现在存在，也未确立公司外有人见过它，更未确立它比Carbon更好，而不只是有所不同。快速的节奏使这一说法很可能成立；但它并不能使这一说法有据可依。

流传的这些名称都是编造出来的，元素周期表就能说明原因

搜索继任者，你就会发现它已经被命名。你会看到“Gemini 5”，通常与十万亿参数的说法、2027 年的日期和 TPU V8 硬件联系在一起。你会看到“Krypton”，偶尔还有“Dysprosium”，它们源自 Gemini 4 系列以元素为主题的代号。这些名称均未出现在任何 Google 文档、博客文章、API 列表或高管声明中。Google 从未公开使用“Gemini 5”；将其视为已知产品的报道只是根据命名模式做出的推断。

这个规律本身比看上去更站不住脚。Argon 是第 18 号元素，Barium 是第 56 号元素，Carbon 是第 6 号元素。这并不是一个序列，也不是倒计时或路线图——之所以选这三个元素，原因在公司之外无人知晓。更有力的反例是 Barium-B：一个内部名称最终变成了 Argon，一个完全不同的公开名称。该项目中的代号已被证明会与产品名称脱钩，这意味着即使真的泄露了代号，也无法告诉你模型发布时会被叫作什么——而猜出来的代号则完全说明不了任何问题。

关于这类猜测如何出错，已有先例，而且就发生在不久前。10月21日曾有一个广为流传的论点，认为 gemini-4-argon 这一别名已悄然开始提供 Carbon 的权重，其依据是从竞技场行为推断而来，而非任何已公布的变化。此事从未得到证实，而七天后的发布则将 Carbon 描述为一个拥有自己名称、并且有独立公告的独立模型。仅凭行为推断，本月已经产生过一次自信却错误的答案。

“RSI”是这篇帖文里最没分量的词

该说法中关于递归式自我改进的那一半来源可追溯，而且它只是一句俏皮话。Business Insider 10 月 9 日的报道刊出时，Google DeepMind 研究员 Vedant Misra 在 X 上回复说“你听说过递归式自我改进”，没有问号。这正是这一表述由此生发的种子，而它是对这篇报道的调侃，并非对训练循环的披露。

此后，谷歌领导层又发表了更多看法，而这些看法指向了相反的方向。谢尔盖·布林在10月初表示，谷歌“开始踏上 RSI 这台跑步机”，并且“我们的研究人员与模型携手合作，共同打造模型的下一版本”。桑达尔·皮查伊在 Carbon 发布前一周参加 Big Technology Podcast 时则更为谨慎：“我们距离 RSI 的终态还相当远。恰当的描述方式是，在模型开发的各个方面，你会看到 RSI 循环与 AI 研究人员并存。我想说，你几乎已经有一些智能体在以某种自动化方式帮助 AI 研究人员协同工作，来构建这些模型。”他预计这一连续进程将在进入明年后持续改善。

谷歌自己的发布博文也使用了同样谨慎的措辞：“我们的研究人员和模型正携手合作，以更快地推进能力发展。”这句话描述的是工具——智能体协助构建模型的人——也是该厂商最接近 RSI 主张的声明。它并不是在说某个模型设计了自己的后继模型，谷歌也没有任何人发表过这种说法。

这一区别值得单独用一段来阐述，因为它是节奏故事与能力故事之间的差别。同一篇 Business Insider 报道援引的一份 Gladstone AI 报告发现，在 Anthropic 和 DeepMind 接受调查的研究人员中，大多数人预计 RSI 会在三到十二个月内出现。对预期的调查并不等于结果。可观察到的是时间间隔：从 Argon 发布公告到 Carbon 发布公告相隔 28 天，并且在这一间隔的末尾，有一个新模型位居一个独立指数的榜首。这是一种很快的节奏。究竟是人类还是模型完成了迭代，恰恰是外部观察者无法核实的部分；而仅凭一篇断言这一点的帖子，并不能弥合这一缺口。

“比 Carbon 更好”需要击败什么

如果这一说法属实，它就必须有一块可供超越的记分牌，而且这块记分牌上的每一行都已公开。即便模型仍未被点名，这也是这个故事中有用的部分：它把“更好”从一个形容词变成了一组阈值。

• Intelligence Index v5.0 — Gemini 4 Carbon 59分，总分第一；后继型号需在同一套10月27日之后的评分标准上达到60分或以上，而非旧版标准。

• Carbon 已经领先的四项评测——HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA；一个整体上多得一分、却丢掉其中一项的较新检查点，是另一个模型，而不是严格更优的模型。

• Coding Agent Index — Carbon 为 59，仅次于 62 的 Claude Opus 5.5，排名第二，因此“更擅长编程”意味着要超过 62，而不是超过 Carbon。

• 谷歌自家的网络安全数据，在未启用护栏的情况下跑出的成绩——SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；这些数字均由厂商自行报告，未经任何第三方复现，而它们正是后继产品将被拿来对标宣传的数字。

• 价格 — 推广期内每百万输入 token 为 $2、每百万输出 token 为 $10，之后调整为 $4 和 $20，缓存输入享 95% 折扣；定价高于此的后继产品并不自动就是更划算的选择，而定价低于此的后继产品，其影响会比 Index 上的一个点更大。

• 访问权限——还是同一道门槛。Carbon 目前仅限 Fairwind 使用；把更强的模型放在更严的门槛之后，开发者依然无从着手。

你今天实际可以调用什么

Carbon 无法调用，Argon 可以。Gemini 4 Argon 自 10 月 13 日起就以 gemini-4-argon 的名称正式开放使用，处于相同的推介档位——每百万输入 token 2 美元、每百万输出 token 10 美元——而且它是唯一拥有公开端点的 Gemini 4 档位。如果你面临的选择是“等那个还没公布名字的模型”还是“基于一个今天就能给出回应的东西来交付”，那么第二个选项有模型字符串、有价格、有两周的实绩记录；第一个选项只有一篇博客文章。

截至 10 月 30 日，Carbon 和 Argon 均不在 OrcaRouter 目录中——我们核查过，没有可供路由的 google/gemini-4-* 条目，因此这里任何内容都不应被理解为提供其中任一模型的服务。目录中确实从 Google 提供的是 3.x 系列，包括 google/gemini-3.8-flash；对于当前需要使用 Google 模型的工作而言，这是实际可用的最低档。你可以查看我们路由的模型（见目录），而这一点在此重要的原因是时机，而非偏好：当 Google 真的开放 Carbon——或者下一个检查点无论叫什么——它都会作为你已持有的密钥背后的又一个标识符出现，按目录价计价、0% 加价直接传导，并与一条故障转移链相邻；如果新层级当天更慢或被限流，该链会让当前模型继续提供服务。测试一个未公布的模型是路由决策；把生产路径押注在它上面则不是。

怎样才能把这从一则帖子变成事实？

有五件事可核查，其中四件是免费的。在 Artificial Analysis Intelligence Index 上，基于同一 v5.0 评分标准，有一行高于 Carbon。LMArena 上有一个匿名 Gemini 条目，这正是 Carbon 自身在发布前首次产出公开结果的方式。Google 的 Gemini API 模型列表中有一个新标识符，这正是检查点与产品之间的区别。Google 博客上有一则 Fairwind 扩展通知，这是迄今为止任何受限的 Gemini 4 模型触达开发者的机制。还有第二家独立出版物，它有自己的信息来源，而不是对同一篇帖子的转述。

在至少其中一项出现之前，诚实的总结只能是证据所支持的那一个：谷歌于10月28日发布了一款前沿模型，它在独立排行榜上位列第一，在编码智能体排行榜上位列第二；仅向网络防御者开放；初始定价为2美元/10美元；并描述了定期发布的节奏，这使得推出进一步检查点的可能性很大。只有一篇帖子称，那个后续检查点更好。节奏是你可以据此规划的部分；比较则是你无法规划的部分，因为它所描述的模型没有名字、没有分数，也没有日期——在一个可调用的模型永远是决定你账单的那一个的市场里，一个未命名的后继者并不是推迟任何事的理由。