一張生成的標題卡寫著「Gemini 4 Neon's Stickman Game」,副標題為「群體宣稱,而非示範」,旁邊有兩張卡片:左邊的「成品」列出一段 62.5 秒、756 x 403 的影片,內容是遊玩一款瀏覽器遊戲,且未記錄任何提示詞或設定;右邊的「紀錄」列出三則註明日期的 Google 貼文——11 月 10 日 /swarm 上線、11 月 12 日 Orchestrator 上線、11 月 18 日 Neon 上線——頁腳則寫著「一支已發布的剪輯;三則註明日期的 Google 貼文;一項未經測試的訓練宣稱。」
Guides & Insights

Gemini 4 Neon 的火柴人遊戲:重點是蜂群主張,而非試玩版

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

2026年11月19日20:41 UTC,一個以 @chetaslua 名義發文的帳號發布了一段62.5秒的影片,內容是雙人火柴人格鬥遊戲,以及四句文字。貼文稱,這款遊戲是「由成群的 Gem​ini 4 Neon 製作,純 JS 程式碼。」貼文稱,該模型「具有獨特品味,且以一種好的方式不同於 O​penAI 與 A​nthropic。」接著是那句關鍵的話:「不做蒸餾、在 RSI 上投入時間的好處現在正顯現出來。」當時,Gem​ini 4 Neon 才正式全面開放使用一天,它於11月18日推出,而 Gemini 4 Carbon 與 Gem​ini 4 Hydrogen 早已先它一步上線。所以這不是外洩,也不是預覽。這是一項關於如何建構該模型,以及如何使用該模型,由一個不是 G​oogle 的人於發布隔天發表,附上一段影片,別無其他。

到目前為止,關於 Neon 的書寫大多圍繞著它的數字,而這些數字確實很有意思:在 Extra High 設定下,它在 Artificial Analysis Intelligence Index 上拿到 61 分,以 58.6 分在 Coding Agent Index 名列第一,而且預設努力等級讓它在每項任務成本上低於 Carbon。這篇文章要談的是那篇貼文的另一半——那一半說這個模型是群體(swarms)的產物,也是一套 G​oogle 從未在任何地方描述過的訓練哲學的產物。這些是可分開的主張。其中一項結果幾乎完全有 G​oogle 的紀錄佐證,而且附有日期。另一項則完全沒有公開憑證,而兩者之間的差別才是有用的部分。

「made by swarms」實際上指的是什麼?

人們會忍不住把「swarms」解讀為一種關於訓練的揭露:一個由自身大量複本遞迴建構而成的模型。貼文中沒有任何內容支持這點,而 Google 自家所有發布內容都指向別處。在 Gemini 4 的紀錄中,只有一樣東西被稱為 swarm,而它是產品功能,不是訓練方法。

2026年11月10日,Antigravity 團隊發布了一篇題為「Gemini 4 Carbon 與 /swarm」的文章。相關句子描述的是執行框架,而非模型:/swarm「會將你的提示傳遞給一組代理:一個協調器會啟動隔離 git worktrees 中的專門平行工作者,讓編輯永遠不會互相衝突,還有專門執行測試與質疑 diff 的對抗式驗證器。」每個代理都會在「一個共享、僅可追加的訊息板」上協作,閒置時以零 token 成本停駐,並在任一代理需要輸入的瞬間啟用。代理可以固定到不同模型,因此協調者可以在一個模型上推理,而工作者則在另一個模型上撰寫。

那是一般工程意義上的群集:具有共享佇列與驗證步驟的平行程序。這完全沒說明 Gemini 4 Neon 是如何訓練的。發文者指的是這個意思,還是更寬鬆的意思,無法從四句話中還原——但如果你想把這項說法對照紀錄,紀錄中的群集只是某個有明確日期的 Antigravity 功能,僅此而已。

Google 公布的雙人細節

這裡正是這篇文章不再含糊、而且有趣起來的地方。11 月 18 日發布、宣布 Gem​ini 4 Neon 的 Antigravity 貼文,裡面附有一段帶字幕的示範影片,字幕寫道:「使用 Gem​ini 4 Neon 搭配 /swarm,Antigravity 會搭建出一個多層次的雙人遊戲,在內建瀏覽器中運行,同時由代理扮演第二位玩家。」

把那段話和這則推文放在一起對照著讀。一款多關卡雙人遊戲,由一群代理搭建雛形,並以代理作為第二玩家,在瀏覽器中運行,出自廠商自家在影片前一天發布的文件。這則推文沒說它出自 Antigravity——它既未點名該應用程式、API 或 AI Studio,也沒給出提示詞、投入程度、token 數量或原始檔。但公開展示過的、通往雙人瀏覽器遊戲的代理群路徑只有 Antigravity 這一條,而且文件記載它可與這個確切模型搭配運作。

那並不能驗證這段影片。廠商附上字幕的示範影片和第三方影片是不同類型的證據,而兩者都不是規格。它真正做到的,是讓貼文中有趣的部分變得具體:「由群集製成」如果指的是 G​oogle 自家資料中這個詞的意思,那根本不是關於訓練的主張。這是關於一個已經推出九天的測試框架的主張。

記錄蜂群的三個日期

蜂群故事有時間軸,這比大多數發布週的宣稱所能得到的還多。三則條目都是 G​oogle’s 自家的,出自 Antigravity 部落格:

• 2026年11月10日 — Gemini 4 Carbon 隨附/swarm預覽版。協調器、在隔離工作樹中平行運作的工作者、對抗式驗證器、共享訊息看板,以及依角色固定模型版本。

• 2026 年 11 月 12 日 — Gem​ini 4 Hydrogen 隨 Orchestrator 一同推出,這是一個下拉式選項,可在單一軌跡中讓 Hydrogen 與更強大的模型來回交接工作。該文章聲稱,在 Terminal-Bench 4.1 上達到接近 Carbon 的任務成功率,同時配額消耗減少 24%、完成速度快 19%,並指出「數以萬計的蜂群」已在/swarm上線

• 2026 年 11 月 18 日 — Gem​ini 4 Neon 正式推出,Orchestrator 新增了由 Neon 擔任規劃器、Hydrogen 擔任執行器的配對。同一篇文章聲稱,Neon 在預設的 High 思考等級下,每項任務的執行成本比 Carbon 低 32%,而且在 Extra High 等級下,於 Artificial Analysis Intelligence Index 獲得 61 分。

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.'

這就是 Gem​ini 4 swarms 公開說法的全部,而這是產品宣傳口徑。注意三則貼文全都缺少什麼:「蒸餾」、「自我改進」、「強化學習」和「後訓練」這些詞都沒有出現。關於路由的 Orchestrator 段落,是它們當中最接近把模型行為描述成一個系統、而非一個模型的地方,而且它明確講的是推論時的模型選擇,不是訓練。

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 索賠申請送達時未附收據

這篇文章的後半段是背後沒有佐證文件的那部分,而值得精確說明原因,因為這個說法並非明顯錯誤——它是以某種特定方式無法驗證的。

先從這個縮寫說起。在這類文獻中,「RSI」至少被用來指兩種不同的東西:遞迴自我改進(recursive self-improvement),意思是模型參與改進其後繼者;以及拒絕取樣迭代(rejection-sampling iteration),意思是不斷重複取樣、篩選,並對倖存者進行微調。「Taking time with RSI」讀起來更像第一種。無論哪一種解讀,都是對訓練流程的主張,而 Google 並未發表任何能讓你在兩者之間做選擇的內容,更遑論證實其中一種。

檢查那些理應會提到此事的頁面。DeepMind 的 Gemini 模型頁面在「2026 年 11 月」下列出 Gem​ini 4 Neon,但未標明確切日期,並討論了能力、價格與可用性;全文任何地方都未提及蒸餾、自我改進、強化學習或後訓練。Antigravity 的文章談的是 harness 整合。模型卡通常是訓練流程相關主張會出現的地方,而 Neon 的模型卡並沒有這類內容:它的七個欄位印著同一句話——「Gem​ini 4 Neon 改編自 Gemini 4 Carbon」——並指向 Carbon 的模型卡,既沒有參數量,也未出現「distill」、「prune」或「quantize」。

最後這一點使推文的兩半彼此矛盾。「改編自 Gemini 4 Carbon」是一項衍生來源的陳述。從表面上來看,改編自另一個模型的模型,並不是在沒有蒸餾的情況下建構出來的模型——除非「改編」正在發揮某種我們都看不見的作用。該貼文宣稱不存在某種技術,而唯一一份關於該模型來源的官方文件卻既不確認也不排除這種技術。這一切可能都是真的。但它無法查證,而且提出此主張的人並未展示其推導過程。

同一句話中可證偽的部分比較容易檢驗,而數字也正是在那裡發揮作用。如果 Neon 真的是耐心、未經蒸餾的訓練流程所產出的成果,你會預期回報體現在每個 token 的能力上,而不是速度上。獨立追蹤器顯示的是一個能力強、但執行成本異常高昂的模型:在 Extra High 設定下,指數得分為 61,但每項指數任務要價 6.44 美元;每項任務耗時 21.5 分鐘,而中位數是 12.4 分鐘;指數執行期間產生了 2.83 億個輸出 token,而中位數是 6,540 萬個——冗長度排名接近同類墊底。這樣的面貌與一個會長時間思考的模型相符。它也與許多其他情況相符。它無法斷定訓練方式的問題,無論偏向哪一方,而任何已公布的數字也做不到。

這段影片確立了什麼,以及沒有確立什麼

撇開哲學不談,這個成品比圍繞它的論述還要單薄。這段影片為 756×403、長度 62.5 秒,內容顯示一款在瀏覽器中運行的雙人火柴人格鬥遊戲。貼文中沒有提示詞,沒有模型版本字串,沒有思考等級,沒有 token 用量統計,也沒有說明這段程式碼是由一個代理還是四十個代理產生的。「純 JS 程式碼」是關於輸出語言的宣稱;它不是關於程式碼如何產生的宣稱,也不是品質的衡量標準。

這段影片確實能證明的事雖然有限,卻是真的:用純 JavaScript 製作的瀏覽器可玩雙人遊戲,可以透過 swarm harness 在這款模型上產出,而且有人在正式推出後一天內就做到了。這是一次能力展示,廠商自己的貼文也印證了這件事的大致樣貌。它不能證明的是任何關於訓練的論斷,因為 demo 無法承載這種主張——從訓練過程到火柴人遊戲的因果鏈牽涉太多決策,無法在影片中顯現,而且沒有任何參與者公布能讓你重跑一次的設定。

對整篇文章的誠實解讀,結論就落在這裡。群集那一半有文件記錄、有日期,且原則上可重現。訓練那一半則是觀察者對自己並未從事的工作所提出的主張,發表時少了唯一能讓它可供查核的東西,也就是來源。把前者當成對已推出功能的描述,把後者當成流傳中的假設,這篇文章就會變得有用,而不只是有趣。

可供你檢查的測試版本

如果蜂群式主張是測試框架主張,就能用你自己的流量來測試,而訓練主張做不到。你需要的元件是一個協調者、多個工作者,以及一個驗證者——而最便宜的做法,是把每個角色綁定到一個你已經能呼叫的模型上。

• 記錄下任務簡報 — 提示詞、投入程度,以及各角色所綁定的模型。少了這三項,重新執行就成了另一場實驗。

• 衡量迴圈,而非產物——總 token 數、實際耗時,以及該差異在通過前歷經了多少輪驗證。

• 讓驗證者保持對抗性——Antigravity 的設計是將建構者與專門負責破壞其輸出的角色配對,而大部分品質工作是由第二個角色完成的。

關於這項功能目前可在何處運行,有一個實用提醒:Gem​ini 4 Neon 不在 OrcaRouter 目錄中;該目錄目前收錄 217 個模型識別碼,而在 Gem​ini 4 系列中,只有 google/gemini-4-carbon 與 google/gemini-4-argon,兩者都列為每百萬 token 輸入 $2.00、輸出 $10.00,快取讀取為 $0.10。因此,我們這邊的協調者-工作者分工,意味著要拆分到這兩者,而不是固定使用 Neon;路由 DSL 正是表達這件事的地方——將規劃器與執行器組合成單一呼叫,而容錯切換路徑可避免一個失效的工作者拖垮整次執行。相較之下,同樣的 Neon 流量按其公布費率為每百萬 token $3.00 與 $15.00,batch 與 flex 為半價,而這個數字可用來對照你建置的任何測試框架。

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.

值得觀察的不是下一段影片,而是是否有人——G​oogle,或發佈這段內容的人——會公開在指定努力程度下,於 Gem​ini 4 Neon 上執行 swarm 的工具呼叫日誌或 token 數量。那會把示範變成量測,也會讓 swarm 的主張能像已出貨功能那樣受到檢驗。RSI 的主張則需要不同的東西:一份目前不存在於任何 G​oogle 頁面上的訓練揭露;在這種揭露出現之前,對它最準確的說法是「尚未證實」,而不是「不實」。