
Gemini 4 Carbon 進了實驗室。Google 自家撰文十三度將功勞歸給 Gemini 4 Argon
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0711 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 89 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 131 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 85 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 127 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 136 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 182 tok/s
五千萬行 Lean 4。這就是用機器驗證 Courtade–Kumar 猜想證明所耗費的規模;該猜想是 2013 年資訊理論中的一項結果,關於一段有雜訊的位元字串在壓縮後還能保留多少內容,而這也是 2026 年 11 月 13 日以「Advancing science & engineering with Antigravity's /teamwork」為題發表的研究報告中最大的單一產物。這篇文章正是目前流傳之說法的來源:研究人員正把 Gemini 4 Carbon 投入物理、數學與生命科學中的多步驟問題。Carbon 確實出現在文章中。它在頂部三個模型的名單裡被明確提及一次。底下每一個案例研究——該猜想、形式化的 Weil 猜想、NMR 結構解析、Go 引擎、Zircon 核心重寫——在正文中都被歸功於 Gemini 4 Argon,或是未分層級的「Gemini 4」,或是測試框架本身。
那不是醜聞,也不是更正。這是一個在任何人據此編列預算之前值得弄清楚的區別,因為這兩個模型並非如推文所暗示的那樣可以互換,也因為 Carbon 的價格預定於 2026 年 12 月 1 日翻倍——距離今天十四天。以下說明的是該貼文實際說了什麼、哪些說法經得起檢視、哪些是廠商自行回報且未經重現,以及 Google 以外的讀者本週能拿其中任何內容做什麼。
那則貼文、那個節目,以及那句話
Google Research 於 11 月 13 日發表,署名為 Google Fellow 暨 Google Research 副總裁 Vahab Mirrokni。開頭段落以單一清單列出這些模型:「使用 Gemini 4 Argon、Gemini 4 Carbon、Gemini 4 Hydrogen,以及像 Antigravity 的 /teamwork 這類多代理工作流程(建立在各種 Gemini 模型之上),這些合作帶來了新的創新……」那句話就是 Carbon 在論證中出現的全部。數一數下方正文中的名稱,Argon 出現十三次,Hydrogen 一次,而 Carbon 不再出現。
原因在於結構,而非難堪。/teamwork 是一套測試框架,不是模型:它運行一池專門化代理,只給每個代理其步驟所需的檔案與工具,把工作交給全新的接替者,讓上下文不至於在多日執行中腐化,並將每個提示導向依任務選定的工作流程模式。Google 真正在賣的是它的驗證層——Lean 4 檢查器、未經修改的測試套件、執行模擬器、硬體計數器——充當否證器,決定哪個候選答案能存活。當由框架負責編排、由證明檢查器負責評判,底層模型的重要性就不如圍繞它的迴圈。Argon,自 2026 年 10 月 13 日起即可在付費 API 上呼叫的模型,正是這些實驗活動所運行的對象。
Carbon 自身入榜的理由真實但有所不同:它是 Google 已發布的最強通用模型,而在 Artificial Analysis 上,它目前以 60 分在 81 個模型中排名第四(Intelligence Index v5.0.1)。11 月 13 日的貼文沒有任何內容與此矛盾。文中也沒有任何內容證明是 Carbon 在做這項工作。

結果,依其可查核程度排序
這篇文章對於研究型部落格而言,罕見地提供了大量具體細節,這讓人得以依照各項主張背後的證據類型來加以分類,而不是依照它們聽起來多麼令人印象深刻。
• 經機器檢查,因此原則上可驗證——Courtade–Kumar 證明以 Lean 4 從頭到尾完整形式化,達 5,000 萬行,並具名指出人類貢獻:一個 CUHK 團隊提出了候選函數,將問題化約為 14 個變數的最佳化問題。同樣屬於這一類的,還有 Weil 猜想的形式化,約 180 萬行,涉及 28,800 次子代理呼叫;一般環上的希爾伯特第十問題,逾 919,000 行;自 1927 年起懸而未決的 Birkhoff 猜想;以及 3D Bochner–Riesz 猜想,系統報告在其中發現並修補了近期發布的一份非形式化證明中的缺口。一個能編譯的 Lean 證明,與基準分數是不同類別的宣稱,Google 值得為此獲得肯定——儘管「5,000 萬行生成的證明程式碼」同樣是在陳述搜尋量,而非優雅性。
• 經測量,並說明了測量方式——分子化學成果。三十個專門化代理在自我修正迴圈中運作,再加上一個物理知識驅動的光譜模擬器,在 NMR 結構解析基準測試上達到 95% top-1 精確匹配與 100% top-3,Google 稱其幾乎是單一代理效能的兩倍。這是文中最接近生命科學主張的內容,也是最可能被引用的說法。文中未列出基準測試所用分子,單一代理的基準數值僅以比例給出,且目前尚無獨立重現。
• 與同儕評審相近,並附有問卷調查 — Deep Review at STOC 2027。578 份投稿的作者(超過總數的三分之一)選擇接受針對其草稿的自動化回饋。在一項針對 70 位作者的持續調查中,90% 認為這些回饋大致上或幾乎全部符合事實,90% 表示會再次使用,超過 30% 表示它抓到了實質性的證明錯誤,14% 回報了需要花超過一小時才能修復的技術缺陷。這些是自我選擇的受訪者在描述自己的投稿,其證據力弱於對照研究,但遠強於推薦見證。
• 來自生產系統的工程數字 — 將 Zircon 微核心約 80 萬行以 Rust 重寫,通過單元測試並在 arm64 上開機;libgav1 移植為約 17 萬行 Rust,達到 100% 位元精確一致,最終比原始 C++ 與手寫組合語言快 20% 到 30%;TPU 核心工作回報在 17 個 JAXBench 核心上達到 4.09 倍的幾何平均加速;Connected Components 擴展到萬億邊圖,RAM 用量低 6 倍;以及一個 9x9 圍棋引擎在不到八天內提升約 2,600 Elo,介於 16 次與 32 次訪問的 KataGo 之間。這些是該公司選擇公布的內部量測,未經外部稽核,且大多數情況下沒有已發布的產物。
• 文章裡完全沒提——任何跟成本有關的事。整篇報導中,無論是活動預算、代幣數量,還是每次成果的費用,都付之闕如。對於一個產出包含五千萬行證明、且能進行為期八天自主訓練的系統而言,這正是打算自行規劃活動的讀者最希望被補上的缺漏。
帶著歸因的角度再看一次清單,輪廓就清楚了:測試框架產出結果,驗證器加以認證,人類專家界定問題,而模型是引擎——三者之中的一個引擎,而文章點名了它所倚重的那一個。
為什麼評測框架的結果不等於模型的結果,以及如何為這項差異定價
將兩者混為一談的誘因顯而易見,因為基準分數是一個可以比較的數字,而 harness 結果則是一個關於工作流程的故事。Carbon 的可比較數字,由與 harness 沒有利害關係的第三方測量,在 Intelligence Index v5.0.1 上是 60——在 81 個中排名第四,高於它的是 65 分的 Claude Fable 5.2,低於它的是 55 分的 GPT-6.1 Sol。同一頁面顯示,Carbon 每完成一項指數任務的成本為 5.48 美元,每項任務耗時 33.2 分鐘,兩者都遠高於其價格級別的中位數,因為它要寫出 2.05 億個輸出 token,才能完成中位數模型用 7860 萬個 token 完成的事。

那種冗長在證明搜尋中並不是缺陷。當任務是探索參數空間並用 Lean 檢驗候選項時,寫得更多就是方法。當任務是客服工單時,那就是帳單。11 月 13 日的貼文是第一種情況的證據,對第二種情況則隻字未提——而任何團隊若把它解讀成「Carbon 是我們代理的模型」,就是在借用一個他們並未執行的測試框架所得到的結果,而且還是在他們可能並不具備的任務類型上。
可轉移的是設計模式,而且它不只屬於 Google:平行探索、一個沒有立場的外部否證者、每一步都使用全新的脈絡,以及一個從不看見生產者推理過程的批評者。這些每一項都是你如何呼叫模型的特性,而不是你呼叫哪一個模型的特性。
局外人實際上能拿到什麼,以及12月1日之後的代價為何
這篇文章以全文最具可操作性的段落作結:外部科學家和開發者今天就能在 Antigravity 和 Deep Review 中,透過 /teamwork 和 /boost 使用 Gemini 4 模型;而 Google 已開放申請,讓 10,000 名學術研究人員免費使用其最高用量方案六個月。對實驗室而言,這項計畫才是真正的新聞。它也是目前提供中唯一免費的途徑,而且有名額上限、須經申請審核,並有時限。
其他所有人都在買詞元。Gemini 4 Carbon 於 2026 年 11 月 10 日在付費 Gemini API 上正式全面推出,距離 Google 宣布後十三天;價格為每百萬輸入詞元 $2.00、每百萬輸出詞元 $10.00——此費率維持至 11 月 30 日,並於 12 月 1 日變為 $4.00 與 $20.00,快取輸入則在同日從 $0.10 調漲至 $0.20。此模型沒有免費方案;每個處理過的詞元都會計費,包含思考詞元。一場為期六週的研究活動,若按今日費率計價,其成本會是十二月成本的一半;這既可以作為現在就開始的理由,也可以作為以較高金額估算帳單的理由。
Carbon 在 OrcaRouter 上以 google/gemini-4-carbon 形式,按 Google 定價、0% 加價提供,並使用與其他目錄項目相同的金鑰,以及相同的 OpenAI 相容端點;這在這裡有實際重要性,原因很尋常:12 月 1 日的變更是供應商價格變更,而直通費率意味著我方這邊的數字會當天隨著 Google 的數字變動,而不是等到重新定價週期之後。模型頁面載有目前的規格範圍——1,048,576 個權杖的上下文、65,536 個權杖的最大輸出、輸入支援文字、圖像、音訊、視訊和 PDF,輸出文字,原生工具呼叫與結構化輸出——這正是 Google 自家發布文章未公布的規格表。

這則貼文留下的未解問題
Google 現在已在二十天內發布:一則公告把 Carbon 排在一個中立指數的首位,一則正式推出(GA)貼文讓它可以被呼叫並標明自身折扣的期限,還有一則研究貼文把它與兩個同系列模型並列。它尚未發布的,是任何一項它歸因於 Carbon 單獨完成、在明確標示成本下、且第三方可重跑的任務結果。在這種結果出現之前,對 11 月 13 日最誠實的總結比那則推文更狹窄,也更有用:測試框架行得通,驗證器才是有趣的部分,而被點名十三次的模型,才是那些評測活動實際跑用的模型。
本文中的比較1
根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新
