Gemini 4 Argon：同名不同權重——Carbon Arena 目擊事件

2026 年 10 月 21 日，一則來自 @chetaslua 的貼文聲稱，有一個新檢查點正以一個並未改變的名稱在 Arena 上測試。該模型仍以 G​emini 4 Argon 之名回應——也就是識別碼 gemini-4-argon，G​oogle 於 2026 年 9 月 30 日宣布，並自 10 月 13 日起以一般可用版本推出——但據稱該名稱背後的權重是 Carbon，這個內部檢查點是 Business Insider 於 10 月 9 日形容感覺可與 Claude Opus 5.5 在程式設計方面相比。該貼文的證據是一張來自第三方 Arena 監看機器人的截圖，顯示有針對 Argon 別名記錄的能力變更，外加一段作者稱為該檢查點首個輸出的短片。沒有公告、沒有變更記錄條目、沒有模型卡，也沒有 G​oogle 的評論。因此這不是一則發表消息，這裡也沒有任何內容暗示已有新模型發布：所討論的模型自 10 月 13 日起就已公開。新的說法是，公開名稱可能不再指向公開權重。此類模型背後的已記錄 AI 事件與代理程式故障，收錄於 OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

剝去玩笑後，這則貼文實際上說了什麼

這則貼文是四行文字加一段影片，寫作口吻像是預設你早就知道來龍去脈。若只歸結為幾項主張，它說的是：

• 一個新的 G​emini 檢查點正在 Arena 上測試——這個公開的模型比較競技場，實驗室有時會在這裡以別名推出尚未發布的版本。

• 這個別名並不新。這個名稱是「相同」，在此語境中指的是gemini-4-argon識別碼，且已是正式推出的模型。

• 據報導，該名稱背後的檢查點是 Carbon，這個內部版本被 10 月 9 日的報導與 Barium-B 區分開來；而 Barium-B 才是 G​oogle 實際上以 G​emini 4 Argon 形式發布的檢查點。

• 作者的第一個提示詞要求製作一段以 G​emini 吉祥物為核心、主題為「碳穩定性」的 3D 影片，而該貼文將產生的短片呈現為該檢查點的首個輸出。結尾那句「Logan Redemption Arc」是針對一名 G​oogle 員工的玩笑，並不帶有任何技術主張。

這就是全部。一則別名觀察、一項代號歸屬、一個輸出樣本，以及完全沒有任何可重現的產物。

這張截圖是真的，而且它並沒有說出貼文所說的內容。

附件中的截圖值得仔細閱讀，因為它是這項主張中唯一以文件而非一句話形式存在的部分。它是一張來自名為 Arena Scout 的機器人的通知卡，署名為「Journey To AGI」與「Synopsis on X」，標題為「能力變更」，並提及 gemini-4-argon。它標記偵測時間為 2026 年 10 月 21 日上午 9:30，將組織列為 G​oogle，供應商列為「unknown」，並顯示能力差異：文字輸入與文字輸出，而在變更的一側，就小字所能辨讀的範圍，還帶有圖像輸入與網頁旗標。

接下來有三件事，而且只有三件。

• 別名 gemini-4-argon 於 10 月 21 日在 Arena 上提供服務，而當天早上其配置方式的某些部分發生了變化。這正是能力變化機器人的用途，而這是對該卡片最不有趣的解讀。

• 這張卡片是某個別名正在做某事的證據，而不是哪組權重位於該別名背後的證據。能力旗標翻轉只告訴你組態已改變。它無法告訴你底下的模型是 Barium-B、Carbon，還是第三個沒人命名過的組建。貼文從「別名上的能力變更」跳到「它是 carbon」，這是作者的推論，不是機器人的發現。

• 機器人本身是第三方，那張卡片是通知，不是逐字稿。沒有人公布過 Arena 對戰工作階段、別名中介資料，或與正式上線模型的並排比較。

還有一個值得說明、而不該粉飾帶過的小地方：這則貼文的時間戳是 UTC 08:46，但貼文裡的卡片卻顯示上午 9:30。機器人端採用的是當地時間戳，這可以很合理地解釋這個落差，而它對日期本身沒有任何影響。但這也提醒了我們：這份素材是一則通知的截圖，是被轉傳的，而不是日誌。

為什麼名稱不變才是有趣的部分

模型別名理應是穩定的契約。當你向某個具名模型送出請求時，你依賴的是這個名稱來固定其行為：相同的分詞器、相同的拒答特性、相同的延遲型態、相同的價格。實驗室若要在 Arena 上部署尚未發布的版本，通常會刻意採用一個用完即丟的別名，正是為了讓正式上線的名稱始終只代表同一件事。

如果這篇貼文說得對，那項慣例就被跳過了，而後果是具體的，而非理論上的。任何在上週對gemini-4-argon進行基準測試的人，以及本週對它進行基準測試的人，可能不是在測量同一個系統。這就是關於未來模型的洩漏，與關於你已經付費使用的模型的洩漏之間的差別——也是為什麼即使底層代號自10月9日以來就已公開，這次目擊仍值得一篇報導的原因。

能定案的並不是再一張截圖，而是一組成對評估：同一組提示詞在變更前後分別對該別名各跑一次，再加上分詞器探測與延遲分布。沒有人發表過這樣的結果。在有人做到之前，誠實的立場是：某個名稱可能已經移動了，而我們還看不出它移往何處。

運送模式實際上是什麼，這樣比較才有基準

G​emini 4 Argon 並非傳聞。G​oogle 已於 2026 年 9 月 30 日發布公告，而 G​emini API 的變更日誌記載其於 10 月 13 日正式全面推出，識別碼為 gemini-4-argon。所公布的規格異常具體，這使它成為評判任何「權重已被移轉」說法的絕佳基準：

• 價格 — 體驗價為每百萬輸入 token 2.00 美元、每百萬輸出 token 10.00 美元，快取輸入可享 95% 折扣；體驗期結束後的費率則標示為 4.00 美元與 20.00 美元。

• 背景 — 統一的 1M-token 視窗，支援長度達 1M 輸出 token 的長解碼，相較上一代的 64K 輸出上限有所提升。

• 獨立評分 — Artificial Analysis 在其 Intelligence Index 中給出 Gemini 4 Argon（High）53 分，於該追蹤榜單排名第 8，實測每項 Index 任務成本為 1.99 美元。

• 速度 — 每秒 83.1 個輸出 token，首個 token 耗時 47.43 秒，資料出自同一來源。

• 輸出模態——在我們所能閱讀的每一份公開規格中，皆為文字。輸入範圍廣泛：文字、圖像、音訊、影片與檔案。輸出則是文字。

最後一行正是貼文中的影片變得難以評估的地方。這個模型並沒有文件記載會輸出短片。要嘛受測的檢查點具有正式出貨模型所沒有的模態，要嘛這段短片是由流程中其他環節產生的——某個渲染步驟、一個獨立的影片模型，或作者自己的工具——再當成模型的輸出呈現。貼文沒有說明是哪一種，而單憑這段短片也無法判斷。

碳，以及10月9日的報導確立了什麼、又沒有確立什麼

Carbon 這個代號並非新資訊，而其來源值得精確說明，因為這篇新貼文繼承了它所有的弱點。《Business Insider》報導、追蹤洩密的媒體 TestingCatalog 於 10 月 9 日轉述，Google 員工當時正在內部測試一個名為 Carbon 的額外 Gemini 4 檢查點；早期的內部回饋認為，它在寫程式方面感覺可與 Claude Opus 5.5 相比；Barium-B 是被選為公開發布的 Argon 所用的檢查點；而 Carbon 是透過 Google 內部 Jetski 平台進行測試的，屬於另一個獨立且可能更強大的迭代版本。同一篇報導明言，Carbon 究竟會成為未來 Argon 的更新，還是獨立發布，尚未獲得確認。

請注意，「在程式設計上感覺可與 Claude Opus 5.5 相比」是哪一種主張。這是員工的個人印象，不是基準測試。它沒有任務集、沒有樣本數、沒有評分規準，也沒有版本號，而且 Google 以外沒有人能重現它。這種東西作為方向性訊號確實有用，作為數字卻確實毫無用處——而把它包裝成分數的文章，就是在對你說謊。

10月21日的貼文，如果說有什麼作用，反而把先前的報導推向它明確保留未定的方向：不是獨立發佈，而是同一個別名承載不同的權重。這是對整體情況一項有意義的更新。而這仍然只是某個人根據機器人通知所作的推論。

如果你是支付這些通話費用的人，這代表什麼意思

這個故事有兩類受眾，而他們應該採取不同的行動。

如果你正在進行基準測試，實務上的結果是：你的數字需要附上日期。針對gemini-4-argon在 10 月 21 日之前所收集到的分數，可能描述的是一個已不再掛在這個名稱之下的檢查點。在拿它與任何東西比較之前，請重新執行你的評估，並像記錄模型修訂那樣，把日期記錄在數字旁邊。

如果你正把產品建立在這個別名上，後果比標題所暗示的小，但並非為零。無聲的檢查點替換會在改變基準測試分數之前，先改變語氣、拒答行為與延遲分布，而這些正是使用者會注意到的事。防禦方式與應對任何單一供應商意外的方式相同：讓第二個模型保持可達，並讓切換成為一項設定變更，而不是一場事故。這正是 OrcaRouter 所打造的場景——一個 API 橫跨 200+ 個模型，跨供應商自動容錯切換，且以供應商定價 0% 加價，因此某個模型在週二 09:30 開始表現不同時，你只需變更路由規則，而不必解釋服務中斷。

關於可用性，誠實的版本是：G​emini 4 Argon 並不在 OrcaRouter 上。以 google/gemini-4-argon 查詢我們的目錄，會回傳「找不到模型」，因為 G​oogle 並未讓我們能呼叫它——這也是 Carbon checkpoint 不在那裡、且不可能在那裡的原因。我們今天實際提供的包括 G​oogle 的 Gemini 3.8 Flash，每百萬輸入 $0.75、每百萬輸出 $3.75，快取讀取為 $0.075，以及 A​nthropic 的 Claude Opus 5.5，價格為 $4.00 和 $20.00，快取讀取為 $0.20——後者正是 Carbon 比較持續拿來衡量的模型，也是整個故事中唯一一個有可用端點、且有已公布價格可供你查核的模型。

要怎樣才能讓這件事從目擊事件變成事實？

兩者之間的差距很窄，這就是為什麼現在就值得讀，而不是等到一週後。以下任何一項都足以做到：

• 在 Arena 自家排行榜上公開的一組並排對照，顯示有一筆以 Argon 化名新增的項目，帶有獨特的風格指紋。

• 第二位獨立觀察者於同一天記錄相同的別名變更，最好附上請求和回應，而不是通知卡。

• 一則更新日誌條目、一個新的模型識別碼，或gemini-4-argon 上的版本後綴——實驗室告訴你權重已變動的尋常方式。

• 在 10 月 21 日前後執行分詞器或延遲探測，這是現有最便宜的測試，也是無人發表過的那項測試。

在其中一項獲得證實之前，正確的解讀應該很狹窄：10 月 21 日，一個第三方機器人記錄到某個已上線模型的別名發生了能力變更，而一個追蹤者眾多的帳號則稱該別名背後的檢查點是 Carbon。這兩部分可能都為真。但兩者都尚未被證明，而且後者承擔的論證工作遠多於前者。