Gemini 4 Carbon 之後的 Gemini：一次外洩、零規格，以及 28 天節奏

10 月 29 日 UTC 02:00 剛過——加州當地時間 10 月 28 日傍晚，也就是 Google 宣布其全新前沿模型的那一天——@kimmonismus 帳號發布了一句話，除了這句話本身，別無任何依據：「他們還有另一個尚未發布的 Gemini 模型，比 Carbon 更好。」沒有代號、沒有基準測試、沒有日期、沒有截圖，也沒有第二個消息來源。同一則貼文中唯一可查證的子句，正是大家早就知道的那部分：Gemini 4 Carbon 當天以 59 分在 Artificial Analysis Intelligence Index v5.0 上名列第一。而 Carbon 所建構於其上的模型 Gemini 4 Argon，則是在二十八天前發布，並於十五天前全面推出。

這是一篇關於某個沒有名稱、沒有分數、也沒有日期的模型的「目前所知」報導，而誠實的寫法是將三類證據分開來看。Google 已公布的是：一篇部落格文章、一個價格，以及一套存取方案。獨立測量增添的是：一個排行榜名次，以及每項任務成本。該文章所斷言的是：實驗室內部存在某種更快的東西。只有前兩類可以查證，而對於任何沒有持續關注發布節奏的人來說，只有第三類才算新聞。

該主張，以及它實際包含的內容

這篇貼文共有四個子句，其中只有一個是關於未來模型的主張。它依序表示：存在另一個尚未發布的 Gemini；它比 Carbon 更好；Carbon 在 Artificial Analysis Index 上排名第一；而這看起來像是邁向遞迴式自我改進的重要一步。第三個子句可驗證且為真。前兩個子句沒有註明來源。第四個子句是一種詮釋，而這正是 Google 自家領導層最謹慎保留模糊空間的部分——詳見下文。

這篇貼文沒有包含什麼，與它包含了什麼同樣重要。文中沒有內部代號，這對這個特定故事來說並不尋常：發表前的那次 Carbon 洩漏就帶有一個內部代號，外加一個平台名稱，以及幾句員工引述。文中也沒有那種今年每一則可信的 Gemini 洩漏都會帶有的佐證物——一份框架 pull request、一筆模型登錄表項目、一個 arena 別名、一份 Helm chart。沒有日期、沒有模型大小、沒有模態清單，也沒有任何跡象顯示這項說法究竟來自 Google 內部人士、合作夥伴，還是對發表本身的推論。貼文底下的回覆都是玩笑，其中一則寫著「不過 Gemini [已遮蔽] 還沒出現」，這正是從這個討論串中應有的信心程度。

也值得把「今天」精確標定為哪一天，因為它是這則報導中唯一能確定下來的時間戳。該貼文於 10 月 29 日 02:06 UTC 發布。在山景城，那是 10 月 28 日 19:06——同一天 Google 發布了 Carbon 公告，也是同一天 Artificial Analysis 發表了將 Carbon 排在首位的文章。排行榜上的說法不是獨家新聞；它就是那場發布，在晚飯後又被重述了一遍。

Google 於 10 月 28 日發布了什麼，以及沒有發布什麼

主要文件篇幅簡短，且對存取方式的描述異常具體。Google DeepMind 資深副總裁暨首席 AI 架構師 Koray Kavukcuoglu 於 2026 年 10 月 28 日在 blog.google 發表〈Gemini 4 Carbon：我們的下一個前沿模型〉。文中將 Carbon 描述為「我們最強大的模型，具備最先進的網路安全與長時程能力」，表示它建構於「兩週前推出」的 Gemini 4 Argon 之上，並指出 Carbon「在最近更新的 Artificial Analysis Intelligence Index v5.0 中排名第 1，分數為 59」。

存取段落是值得讀兩遍的那段。Google 表示，它將從那一週開始讓 Carbon 提供給「一部分網路防禦人員」，接著「透過我們的 Fairwind Program 逐步開放給更多受信任的合作夥伴」，然後才「盡快透過我們的產品介面提供給開發者、企業與消費者」。這是一個除了第一步之外別無日期的序列。截至 10 月 30 日，仍然沒有公開的模型識別碼、沒有端點，也沒有任何方式能透過 API 呼叫 Carbon——這也是上文撰寫時該模型所處的狀態。

這篇貼文缺少的是規格說明。沒有參數量、沒有架構描述、沒有上下文視窗、沒有技術報告，也沒有提到任何比 Carbon 更新的模型。Ars Technica 在報導發布消息時同時提出的解讀是，Carbon 可能是 Argon 的後訓練升級，而非全新架構；Google 並未表態。沒有後繼模型並不證明它不存在——公司不會在當前版本的發布貼文中預先宣布下一個檢查點——但這確實意味著，本篇報導中唯一的第一方陳述是關於 Carbon。

獨立測量能增添什麼

在這則報導中，Artificial Analysis 最接近中立裁判的角色，但有一貫的但書：它執行自家評估，而非照搬任何廠商的比較表。其 10 月 28 日的報告將 Gemini 4 Carbon 在 Intelligence Index v5.0 上評為 59 分，在其追蹤的模型中位居第一，領先 58 分的 Claude Opus 5.5 與 57 分的 GPT-6 Astra。報告指出，Carbon 在九項構成評測中的四項居於領先——HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 與 AutomationBench-AA——這比「最佳模型」是更狹隘的宣稱，但也更有用。

同一篇評測文章正是發布敘事的制衡所在。在 Coding Agent Index 上，Carbon 以 59 位居第二，而非第一，落後於取得 62 的 Claude Opus 5.5 搭配 Claude Code。它在 Terminal-Bench 4.0 排名第二，在 FrontierCode v1.1 也排名第二。在知識工作 Elo 的 AA-Briefcase 上，它達到 1609，仍排在 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro 之後。其測得成本為每項 Intelligence Index 任務 7.76 美元，比 Opus 5.5 的 10.04 美元低約 23%——這是「第一名」框架所掩蓋的效率優勢。

有一個方法論要點必須伴隨本文中的每一個數字。Artificial Analysis 於 10 月 27 日將 Index 重建為 v5.0，以私有或保留測試集取代了綜合指數中 60% 的內容，並替換了若干組成評估。該次重建之前的分数不在同一尺度上，因此不能從較早的 Argon 數字中減去 Carbon 的 59，而任何向你展示重建前後有九分提升的文章，都是在比較兩把不同的尺。本文中的 v5.0 數字全部取自重建後的運行結果。

而對本文而言最關鍵的細節是：Artificial Analysis 的報告中恰好只提到兩個 Gemini 模型，Carbon 與 Argon。Carbon 之上沒有任何匿名列，沒有「Gemini 預覽」條目，也沒有任何未具名、分數落在 60 或以上的項目。如果更強的模型已經在某個公開場合被測量，那裡就是它最先浮現的地方。

為什麼實驗室裡有較新的檢查點是合理的

這個說法並非難以置信，原因在於算術，而不是內幕消息。Gemini 4 Argon 於 9 月 30 日宣布，並於 10 月 13 日正式全面推出。Carbon 於 10 月 28 日宣布——在 Argon 宣布後二十八天、其正式全面推出後十五天。Google 自己的貼文把這段間隔當作重點：Carbon「說明了我們推動前沿前進的速度。」Sundar Pichai 在他自己於 X 的貼文中，將這些發布描述為週期性模型發布的節奏，而非一次性的世代性發布。

十月初的報導補齊了這股節奏背後的運作細節。Business Insider 10 月 9 日的報導根據內部文件和員工訊息，列出一系列檢查點——Argon、Barium、Carbon——並報導「Barium-B」是內部版本，對外以 Argon 發布。Carbon 當時正在 Google 的內部程式設計平台 Jetski 上測試，其中一名員工寫道，它在程式設計方面「感覺像 Opus 5.5」，另一名員工則寫道「Carbon 真的很不錯」。第三則內部備註使用了公司保留給 Gemini 更新的「Next」標籤：「新的 Gemini pro next 模型感覺還不錯。」Google 拒絕評論。

那篇報導是10月29日文章所擁有的最強結構性支撐，而值得精確說明它究竟支撐了什麼。它證明Google曾同時運行多個檢查點，並以短間隔發布它們；而這正是更新、更好的檢查點會在對外公布之前就已存在的那種模式。它並未證明這樣的檢查點現在存在，也未證明公司外有任何人看過它，更未證明它比Carbon更好，而不僅僅是有所不同。快速的節奏讓這項說法更可能成立；但這不會讓這項說法有來源佐證。

流傳的這些名字都是憑空捏造的，而元素週期表說明了原因

搜尋後繼者，你就會看到它被指名道姓。你會看到「Gemini 5」，通常還伴隨著十兆參數的說法、2027 年的時間點與 TPU V8 硬體。你會看到「Krypton」，偶爾還有「Dysprosium」，這些都源自 Gemini 4 系列以元素為主題的代號。這些名稱都不曾出現在任何 Google 文件、部落格文章、API 列表或高階主管聲明中。Google 從未公開使用「Gemini 5」；那些將其視為已知產品的報導，只是從命名模式推論而來。

這個模式本身比表面上看來更單薄。Argon 是第 18 號元素，Barium 是第 56 號元素，Carbon 是第 6 號元素。這不是一組序列，也不是倒數計時或路線圖——這三個元素是基於公司外部無人知曉的理由所選出的。更有力的反例是 Barium-B，這個內部名稱後來變成了 Argon，一個完全不同的對外名稱。此計畫中的代號已經被證明會與產品名稱脫鉤，這表示即使真的外洩了代號，也無法告訴你模型上市時會叫什麼名字——而猜測出來的代號則完全不能說明任何事。

這類猜測出錯是有前例的，而且近在眼前。10月21日，一則廣為流傳的論點認為 gemini-4-argon 這個別名已悄悄開始提供 Carbon 的權重，其依據是競技場上的行為表現，而非任何已公布的變更。此事始終未獲證實，而七天後的那次發布，則將 Carbon 描述為一個擁有自己名稱與專屬公告的獨立模型。單憑行為推斷而得出自信卻錯誤的答案，本月已經發生過一次。

「RSI」是這篇貼文裡最弱的詞。

該主張中「遞迴式自我改進」的那一半，有一個可追溯的來源，而且它只是一句俏皮話。當 Business Insider 10 月 9 日的報導刊出時，Google DeepMind 研究員 Vedant Misra 在 X 上回覆道：「你有聽過遞迴式自我改進」，句末沒有問號。那就是這個說法所滋生的種子；它是針對該報導的玩笑，而不是對訓練迴路的揭露。

Google 的領導層後來有更多說法，而且指向相反的方向。Sergey Brin 在十月初表示，Google「正開始踏上那台 RSI 跑步機」，而且「我們的研究人員與模型攜手合作，打造模型的下一版本」。Sundar Pichai 在 Carbon 發布前那一週登上 Big Technology Podcast 時，說法更為謹慎：「我們離 RSI 的最終狀態還很遠。正確的描述方式是，在模型開發的各個層面，都有 RSI 迴圈與 AI 研究人員相伴。我會說，你幾乎已經有代理在某種自動化方式下，協助 AI 研究人員一起打造這些模型。」他預期這條連續進展的路線會持續改善，延續到明年。

Google 自家的發布文章也採用同樣謹慎的措辭：「我們的研究人員與模型正攜手合作，以更快的速度推進能力。」這句話是在描述工具——也就是協助模型建構者的代理程式——而它是廠商聲明中最接近 RSI 主張的一句。這句話並不是在說某個模型設計了自己的後繼者，而 Google 也沒有人做出這樣的表述。

這個區別值得單獨用一段來說明，因為它關乎的是「步調敘事」與「能力敘事」之間的差異。同一篇《Business Insider》報導引用的 Gladstone AI 報告發現，在 Anthropic 與 DeepMind 接受調查的研究人員中，多數預期 RSI 會在三個到十二個月內出現。但一項期望調查並不是結果。可觀察的是這段間隔：從 Argon 發布到 Carbon 發布的 28 天，以及在這段期間結束時，一個新模型登上獨立指數榜首。這是很快的節奏。究竟是人類還是模型在進行迭代，正是外部觀察者無法查證的部分，而單憑一篇貼文宣稱此事，並不能彌合這個落差。

「比 Carbon 更好」必須擊敗什麼

如果這項主張是真的，它就有必須超越的計分板，而計分板上的每一行都已公布。這是這則報導中有用的部分，即使該模型仍未具名：它把「更好」從一個形容詞轉變成一組門檻。

• Intelligence Index v5.0 — Gemini 4 Carbon 59，總排名第一；後繼模型必須在相同的10月27日後評分標準上達到60或以上，而非較舊的標準。

• Carbon 目前領先的四項評測——HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 與 AutomationBench-AA；一個較新的檢查點若總體得分增加一分，卻在其中一項失分，那就是不同的模型，而非嚴格意義上更優的模型。

• Coding Agent Index — Carbon 59，以 59 分排名第二，落後於 62 分的 Claude Opus 5.5，因此「更擅長寫程式」意味著要超過 62 分，而不是超過 Carbon。

• Google 自家的資安數據，在沒有護欄的情況下執行所得 — SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；這些數字是由廠商自行呈報，未經任何第三方重現，而它們正是後繼產品會被拿來行銷比較的數字。

• 價格 — 優惠期內輸入每百萬 2 美元、輸出每百萬 10 美元，之後調整為 4 美元與 20 美元，快取輸入享 95% 折扣；定價高於此的後繼模型不必然更值得購買，而定價低於此者，其意義會比 Index 上的一個分數更為重大。

• 存取 — 同一道門檻。Carbon 目前僅限 Fairwind 使用；更強的模型置於更嚴格的門檻之後，開發者依然無從據此採取任何行動。

你今天實際可以撥打的電話

Carbon 無法呼叫，Argon 則可以。Gemini 4 Argon 自 10 月 13 日起便以 gemini-4-argon 之名正式開放使用（GA），且處於相同的入門方案級別——每百萬輸入 token 2 美元、每百萬輸出 token 10 美元——它也是唯一設有公開端點的 Gemini 4 級別。若擺在你眼前的選擇是「等待那個尚未命名的模型」，還是「以今天就能回應的東西來出貨」，第二個選項具備模型字串、價格，以及兩週的實績紀錄；第一個選項則只有一篇文章。

截至10月30日，Carbon 和 Argon 都不在 OrcaRouter 目錄中——我們查過，並沒有 google/gemini-4-* 條目可供路由，因此這裡任何內容都不應被解讀為提供其中任一款的服務。目錄中確實有 Google 的 3.x 系列，包括 google/gemini-3.8-flash，這是現今需要 Google 模型的工作的實際最低門檻。你可以看到 我們所路由的模型在目錄中，而這在這裡重要的原因是時機而非偏好：當 Google 真的開放 Carbon——或者下一個檢查點無論叫什麼——它會成為你已持有的金鑰背後又一個識別碼，按定價計價、0% 加價轉嫁，旁邊還有一條容錯移轉鏈，若新層級當天較慢或受到速率限制，仍能讓現行服務繼續運作。測試一個未公布的模型是路由決策；把生產路徑押在它上面則不是。

什麼會讓這則貼文變成一個事實？

有五件事可以查證，其中四件是免費的。在 Artificial Analysis Intelligence Index 上、依同一套 v5.0 評分標準，排名在 Carbon 之上的一列。LMArena 上一個匿名的 Gemini 項目，Carbon 本身在發布前首次產生公開輸出，用的正是這種方式。Google Gemini API 模型清單中出現的新識別碼，這正是 checkpoint 與產品之間的差別。Google 部落格上一則 Fairwind 擴展公告，這是迄今任何受管控的 Gemini 4 模型得以觸及開發者的機制。以及第二家獨立出版物，擁有自己的消息來源，而非對同一篇貼文的改寫。

在至少其中一項出現之前，誠實的總結就是證據所支持的那個：Google 於 10 月 28 日推出了一款前沿模型，它在一個獨立指數上排名第一、在程式碼代理指數上排名第二，僅開放給網路防禦人員使用， introductory 價格定為 $2/$10，並描述了一種定期發布的節奏，使後續的檢查點很可能出現。單憑一則貼文就說那個後續檢查點更好。節奏是你可以據以規劃的部分；比較則是你無法據以規劃的部分，因為它所描述的模型沒有名稱、沒有分數、也沒有日期——而在一個永遠是可呼叫的模型決定你的帳單的市場裡，一個未命名的後繼者並不是延後任何事的理由。