一张生成的标题卡写着“Gemini 4 Neon 的火柴人游戏”,副标题为“swarm 的主张,而非演示”,旁边有两张卡片:左侧“该产物”列出一段 62.5 秒、分辨率为 756 x 403 的视频,内容是在没有记录提示词和设置的情况下玩一款浏览器游戏;右侧“记录”列出三篇标注日期的 Google 帖子——11 月 10 日 /swarm 上线,11 月 12 日 Orchestrator 上线,11 月 18 日 Neon 上线——其下方页脚写着“一段已发布的片段;三篇标注日期的 Google 帖子;一项未经检验的训练主张。”
Guides & Insights

Gemini 4 Neon 的火柴人游戏:Swarm 的宣称,而非演示

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

2026年11月19日20:41 UTC,一个以 @chetaslua 名义发帖的账号发布了一段62.5秒的双人火柴人格斗游戏视频,以及四句话的文字。它称,这款游戏“由成群的 Gemini 4 Neon 制作,纯 JS 代码”。它称,该模型“有独特的品味,与 OpenAI 和 Anthropic 不同,而且是往好的方向不同”。然后是那句关键的话:“不做蒸馏、在 RSI 上花时间的收益如今显现出来了。”当时,Gemini 4 Neon 才正式开放使用一天——它于11月18日发布,而 Gemini 4 Carbon 和 Gemini 4 Hydrogen 已经先于它上线。所以这既不是泄露,也不是预览。这是一个关于如何构建该模型、以及如何使用该模型的说法,由并非 Google 的人士在发布一天后公开,附有一段视频,别无其他。

到目前为止,关于 Neon 的写作大多围绕它的各项数字展开,而这些数字确实很有意思:在 Extra High 设置下,它在 Artificial Analysis Intelligence Index 上得分 61,在 Coding Agent Index 上以 58.6 位居第一,而且其默认努力等级在每任务成本上低于 Carbon。本文要讲的是那篇文章的另一半——即称该模型是群体(swarms)与一种 Google 从未在任何地方描述过的训练理念的产物。这些主张可以分开来看。其中一项最终发现几乎完全由 Google 记录在案,并附有日期。另一项则完全没有公开凭据,而两者之间的差异才是有用的部分。

“made by swarms”实际上命名的是什么

“swarms”很容易被理解为一种关于训练的披露:一个由自身副本组成的集群递归构建出来的模型。文章里没有任何内容支持这一点,而 Google 自己发布的一切材料都指向别处。在 Gemini 4 的记录中,只有一样东西被称为 swarm,而它是一个产品功能,不是训练方法。

2026年11月10日,Antigravity 团队发布了一篇题为“Gemini 4 Carbon 与 /swarm”的文章。相关句子描述的是执行框架,而不是模型:/swarm“将你的提示词传递给一组智能体:一个协调器会在隔离的 git worktrees 中启动专门的并行工作器,从而使编辑永远不会发生冲突;还有对抗性验证器,专门负责运行测试并质疑差异。”每个智能体都在“一个共享的、仅可追加的消息板”上协作,空闲时以零 token 成本停驻,并在某个智能体需要输入时立即激活。智能体可以固定到不同的模型上,因此协调器可以在一个模型上推理,而工作器则在另一个模型上撰写。

那是普通工程意义上的群体:带有共享队列和验证步骤的并行进程。它完全没有说明 Gem​ini 4 Neon 是如何训练的。发帖者指的是这个意思,还是更宽泛的意思,无法从四句话中还原——但如果你想把这个说法与记录对照,记录中的群体只是一个标注了日期的 Antigravity 功能,仅此而已。

G​oogle 公布的双人细节

这里正是这篇帖子以一种有趣的方式不再含糊其辞的地方。11月18日发布的宣布 Gem​ini 4 Neon 的 Antigravity 帖子包含一段带字幕的演示视频,其字幕写道:“使用 Gem​ini 4 Neon 搭配 /swarm,Antigravity 搭建出一个可在内置浏览器中运行的多层级双人游戏,同时智能体扮演第二名玩家。”

把这一点和那条推文放在一起看。一个多关卡双人游戏,由一个智能体集群搭建,以该智能体作为第二名玩家,在浏览器中运行,来自厂商自己的文档,发布于视频发布前一天。推文没有说它出自 Antigravity——既未点名该应用、该 API,也未点名 AI Studio,而且没有给出提示词、投入等级、token 数,也没有源文件。但公开演示过的、通往双人浏览器游戏的蜂群路径只有 Antigravity 的,而且文档记载它可与这个确切的模型配合工作。

这并不能验证那段视频片段。供应商配了字幕的演示和第三方视频是不同种类的证据,而两者都不是规范。它真正做到的,是让帖子中有意思的部分变得具体:“made by swarms”根本不是关于训练的主张——如果它指的是 Google 自己的材料中“swarms”一词的含义的话。它是关于一个已经交付使用九天的执行框架的主张。

记录蜂群的三个日期

swarm 的故事有一条时间线,这已经比大多数发布周说法强了。三条记录都来自 G​oogle 自家的 Antigravity 博客:

2026年11月10日 — Gemini 4 Carbon 随/swarm 预览版一同发布。协调器、在隔离工作树中并行运行的 worker、对抗性验证器、共享消息板、按角色固定模型版本。

• 12 November 2026 — Gem​ini 4 Hydrogen ships with Orchestrator, a dropdown option that hands work back and forth between Hydrogen and a stronger model inside a single trajectory. The post claims near-Carbon task success on Terminal-Bench 4.1 while consuming 24% less quota and finishing 19% faster, and notes that “tens of thousands of swarms” had been launched in the two days since /swarm went live.

• 2026 年 11 月 18 日 — Gem​ini 4 Neon 发布,Orchestrator 获得了“Neon 作为规划器、Hydrogen 作为执行器”的配对组合。同一篇帖子还称,Neon 在其默认的 High 思考级别下,每项任务的运行成本比 Carbon 低 32%,并称其在 Extra High 下于 Artificial Analysis Intelligence Index 上的得分为 61。

A generated single-column scoreboard titled 'Gemini 4 Neon — the scoreboard' with six rows: swarm harness /swarm, preview 10 Nov 2026; Orchestrator role planner, paired with Hydrogen; AA Intelligence Index 61 at xhigh; default effort high, 32% cheaper per task; cost per index task $6.44; training disclosure none published. A footer reads 'Per Google Antigravity posts and Artificial Analysis; RSI and distillation claim unaudited.'

这就是关于 Gem​ini 4 swarms 公开描述的全部内容,而它是一份产品说明。请注意这三篇帖子中都缺少什么:“蒸馏”“自我改进”“强化学习”和“后训练”这些词均未出现。关于路由的 Orchestrator 段落,是它们中最接近把模型行为描述为一个系统而非一个模型的地方,而且它明确讲的是推理时的模型选择,而不是训练。

Screenshot of the Artificial Analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 ranked 6 of 95, $3.00 input and $15.00 output per million tokens, $6.44 cost per Intelligence Index task, 21.5 minutes per task against a 12.4-minute median, 283 million output tokens during the evaluation against a 65.4-million median, a verbosity rank of 92 of 94, and a 3.482% output-to-input token ratio.

RSI 的这一说法没有附带凭据

文章的后半部分正是背后没有任何支持文件的部分,而值得精确说明为什么会这样,因为这一说法并不是明显错误的——它是以一种特定方式无法核实的。

从缩写说起。在这类文献中,“RSI”至少被用于两种不同含义:递归自我改进(recursive self-improvement),指模型参与改进其继任者;以及拒绝采样迭代(rejection-sampling iteration),指反复进行采样、筛选,并对通过筛选的样本进行微调。“在 RSI 上花时间”读起来更像第一种。无论哪种读法,都是关于训练流程的一种断言,而 Google 没有发表任何能让你在两者之间作出选择的内容,更不用说确认其中一种了。

Check the pages that would carry it. DeepMind’s Gemini model page lists Gem​ini 4 Neon under “November 2026” with no day, and discusses capability, price and availability; it does not mention distillation, self-improvement, reinforcement learning or post-training anywhere. The Antigravity post is about harness integration. The model card is the place a training-process claim would normally surface, and the Neon card does not carry one: seven of its slots print the same clause, “Gem​ini 4 Neon is adapted from Gemini 4 Carbon,” and point at the Carbon card, with no parameter count and no occurrence of “distill,” “prune” or “quantize.”

最后这一点让这条推文的前后两半彼此矛盾。“改编自 Gemini 4 Carbon”是一种来源衍生关系的陈述。表面上看,一个改编自另一个模型的模型,并不是一个未经蒸馏构建的模型——除非“改编”一词在承担我们谁都看不见的作用。该帖断言某种技术并不存在,而关于该模型来源的唯一官方文件却既未确认也未排除这种技术。这一切可能都是真的。但它无法核查,而且提出该主张的人也没有展示其论证过程。

同一句话中可证伪的部分更容易检验,数字也正是在这里发挥了一些作用。如果 Neon 确实是一个耐心、非蒸馏训练过程的产物,那么你会预期回报体现在每个 token 的能力上,而不是速度上。独立追踪器显示的是一个能力强但运行成本异常高的模型:在 Extra High 下,该指数得分为 61,但每个指数任务花费 6.44 美元,每个任务耗时 21.5 分钟,而中位数为 12.4 分钟;指数运行期间生成了 2.83 亿个输出 token,而中位数为 6540 万个——其冗长程度排名接近该领域的底部。这一特征与一个思考时间很长的模型相符。它也与许多其他情况相符。它并不能在任一方向上解决训练方式的问题,已公布的数据也不能。

这段视频能说明什么,又不能说明什么

剥去哲学外衣,这件作品比围绕它的论证还要单薄。视频分辨率为 756×403,时长 62.5 秒,展示了一个在浏览器中运行的双人火柴人格斗游戏。帖子里没有提示词,没有模型版本字符串,没有思考层级,没有 token 统计,也没有说明代码是由一个智能体还是四十个智能体生成的。“纯 JS 代码”是关于输出语言的说法;它不是关于代码如何产生的说法,也不是对质量的衡量。

这段片段确实确立的内容有限但真实:用纯 JavaScript 可以做出一个可在浏览器中游玩的双人游戏,而在这款模型上通过一套群体式执行框架就能做到,并且有人在全面可用后一天内完成了它。这是一次能力演示,厂商自己的帖子也印证了其大致形态。它不能确立的是任何关于训练的陈述,因为演示无法承载这种陈述——从训练过程到火柴人游戏的因果链要经过太多决策,无法在视频中显现,而且参与者都没有公布能让你复现它的设置。

这就是诚实解读整篇帖子后得出的结论。“群体”那一半有文档记录、有日期,原则上可复现。“训练”那一半则是一个观察者对其并未从事的工作所作的主张,发表时缺少了唯一能让它可核查的东西——来源。把前者当作对已发布功能的描述,把后者当作流传中的假设,这篇帖子就会变得有用,而不仅仅是有趣。

你可以查看的测试版本

如果“蜂群”说法是一种运行框架层面的主张,那它可以用你自己的流量来测试,而训练层面的主张做不到。你需要的组件是一个协调器、若干工作节点和一个验证器——而最便宜的版本,是把每个角色固定到你已经能调用的模型上。

• 记录任务简报——提示词、投入程度,以及为每个角色固定的模型。缺了这三样,重新运行就成了另一个实验。

• 衡量的是循环,而非产物——总 token 数、实际耗时,以及该 diff 在通过之前经受住了多少轮验证。

• 让验证器保持对抗性——Antigravity 的设计将构建者与一个专门负责攻破其输出的角色配对,而第二个角色承担了大部分质量工作。

关于它如今可以在哪里运行,有一个实用提示:Gem​ini 4 Neon 不在 OrcaRouter 目录中;该目录目前收录 217 个模型标识符,而在 Gem​ini 4 系列中,只有 google/gemini-4-carbon 和 google/gemini-4-argon,两者标价均为每百万 token 输入 $2.00、输出 $10.00,缓存读取为 $0.10。因此,在我们这边采用协调器-工作器拆分,就意味着要在这两者之间拆分,而不是固定使用 Neon;而路由 DSL 正是表达这一点的合适位置——将规划器与执行器组合成一次调用,故障转移路径可避免某个失效的工作器拖垮整个运行。作为对比,同样的 Neon 流量按其公布费率计算为每百万 token $3.00 和 $15.00,批量和弹性模式为半价,这个数字值得拿来与你构建的任何测试框架对照。

Screenshot of the OrcaRouter model page for google/gemini-4-carbon, showing the model header labelled by Google dated 2026-11-10, a 1,048,576-token context window accepting text, image, audio, video and documents and returning text, both the /v1/chat/completions and v1beta generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, a 10.60 s performance figure, zero-data-retention availability, and an OpenAI-compatible Python sample calling google/gemini-4-carbon through https://api.orcarouter.ai/v1.

值得关注的不是下一段片段。而是是否有人——G​oogle,或发布这段内容的人——会公布一次在标明的投入等级下于 Gem​ini 4 Neon 上进行的蜂群运行的工具调用日志或 token 数量。那会把演示变成一次测量,也会让关于蜂群的声明像已发布功能本应接受的那样得到检验。RSI 声明需要的则是另一回事:一份目前在任何 G​oogle 页面上都不存在的训练披露;在这样一份披露出现之前,对此最准确的说法是它尚未得到证实,而不是说它是假的。