谷歌49天内连发四款Gemini 4模型,Neon在多项评测中超过Claude Opus 5.5与GPT-6.2 Sol。同日世界模型Genie 4向付费用户开放,用户可在浏览器生成并探索虚拟世界。
OpenAI 的新旗舰模型刚发布,社区吐槽就炸开了。有人说它几乎没法用,有人抱怨它过分谨慎、难以指挥,还有人调侃它解释工作的方式像在说外星话。
前 OpenAI 研究员 Tibo 在 X 上表示,已收到关于模型语言风格的反馈,OpenAI 正在想办法改进。评论区里已经有人表示准备转用 Gemini。
相比之下,谷歌最近势头很猛。
美国时间 11 月 18 日,谷歌正式发布 Gemini 4 Neon。算上 9 月底的 Argon、10 月底的 Carbon,以及六天前的 Hydrogen,这已是谷歌在不到 50 天里推出的第四款 Gemini 4 模型。

根据谷歌公布的测试结果,Neon 在编程、办公自动化、科学推理、多模态理解、长上下文等领域几乎全面压过 Opus 5.5 和刚刚推出的 GPT-6.2 Sol。同一天,谷歌还宣布向部分付费用户开放世界模型 Genie 4,用户可直接在浏览器里生成、进入虚拟世界,并在探索中改变天气、加入角色,场景与声音随之变化。
发布 Neon 前,谷歌 AI 团队成员在社区开了个玩笑:这么赶着把产品发出去,就是为了腾出时间玩《GTA 6》。Neon 发布后,还有高管专门提醒网友趁《GTA 6》上线前快来试试。
在 Artificial Analysis 综合智能评测中,Neon 拿到 61 分,超过 Claude Opus 5.5 的 59 分和 GPT-6.2 Sol 的 57 分,也超过上一级 Carbon 的 60 分。不过 Neon 的 61 分来自最高思考强度 Xhigh,Carbon 的 60 分对应 High 档;若都用 High 档,两者同为 60 分。

按照谷歌的模型卡,Neon 在 Carbon 基础上适配而来,定位明确:保持接近旗舰级的性能,同时提高速度、降低成本。官方数据显示,在默认 High 档下,Neon 完成同类评测任务的平均成本比 Carbon 低 32%,并提供四档思考强度供用户自行调配。
这里的成本优势指完成任务的平均花费。Neon 的 API 单价为每百万输入 Token 3 美元、输出 Token 15 美元,论单价反而比仍在促销期的 Carbon 贵一些。
在 Zapier 的办公自动化测试 AutomationBench 中,Neon 取得 56.3%,超过 Claude Opus 5.5 的 42.5% 和 GPT-6.2 Sol 的 41.3%。这项测试要求 AI 独立完成真实业务流程,包括操作软件、处理数据、跨应用执行任务,能一定程度上反映 AI 智能体的实际工作能力。
在考察长期任务执行的 Vending-Bench 2 中,Neon 需独立经营一台模拟自动售货机,处理采购、补货、定价、供应商谈判。模拟运营一年后,它留下了平均 16843 美元的账户余额。编程方面,Neon 在 Artificial Analysis Coding Agent Index 中拿到 58.6 分,以微弱差距胜过 Fable 5.2。

Neon 并非全面领先。即便在谷歌自己的成绩单里,Claude Opus 5.5 仍在两项编程测试中略胜:Terminal-Bench 4.1 得分 65.8%,高于 Neon 的 65.2%;FrontierCode 2.0 得分 47.3%,同样超过 Neon 的 46.2%。
目前 Neon 已向 Gemini App 的 Pro 和 Ultra 订阅用户开放,开发者可通过 Google AI Studio、Gemini API 和 Antigravity 使用。在 Antigravity 中,Neon 能充当任务协调者,把工作分给多个 Hydrogen 子智能体并行执行,自己负责规划、统筹和检查结果。这套协作机制此前已在 Carbon 与 Hydrogen 之间实现。
谷歌表示,新模型能更好地处理 PDF、电子表格、图片等不同格式的材料,结合 Gmail、Docs 中的信息制作报告,也能用于更复杂的多步骤任务。
值得注意的是,四款模型接连发布,并不等于谷歌在 49 天里从头造出四套完全不同的模型。根据谷歌 DeepMind 的模型卡,Gemini 4 系列有明确的技术继承关系:Carbon 基于 Argon 开发,Hydrogen 和 Neon 又都在 Carbon 基础上适配。最早登场的 Argon 甚至还没建立用户口碑,就被后续版本抢走风头,如今在 Gemini App 中,Neon 已取代了它的位置。
Argon 是氩,Carbon 是碳,Hydrogen 是氢,Neon 是氖——Gemini 4 走的是元素路线。不少网友吐槽看不出名字和模型性能的关系,甚至调侃谷歌迟早要把元素周期表占满。谷歌自己也在玩这个梗:现在打开 Google AI Studio,真的多了一个可以在元素周期表里选模型的互动界面。

光在元素周期表上点名还不过瘾。Neon 发布同一天,谷歌宣布向部分付费用户开放世界模型 Genie 4,让用户直接生成、进入由 AI 创造的虚拟世界。这款模型 10 月 27 日就已亮相,此前只向受邀测试者提供研究预览,如今开始走向普通消费者:符合条件的 Google AI Ultra 订阅用户可直接使用,Pro 会员可加入等待名单。

输入文字或图片,Genie 4 就能实时生成可自由探索、互动的虚拟环境。用户可用键盘鼠标在场景中移动,也能随时输入新指令,改变天气、加入角色,甚至调整接下来发生的事件。它还能同步生成声音,从风声、水声到角色对话,都随场景实时变化。根据模型卡,Genie 4 可实时生成最高 720p、每秒 24 帧的画面,并提供同步音频。
免费获取企业 AI 成熟度诊断报告,发现转型机会

此次更新还加入了一个帮用户设计虚拟世界的智能体(Project Genie Agent)。用户像聊天一样描述想要的场景,它就能帮忙设计画面风格、搭配背景音乐。进入世界后,用户还能让 Gemini 一同探索:观察当前画面,建议去哪里、做什么,甚至根据探索过程触发新事件。谷歌还建立了社区画廊,允许用户探索、修改和分享他人制作的虚拟世界。

相比上一代 Genie 3,Genie 4 在画面真实感、物理模拟和交互能力上进步明显,但距离真正成熟的开放世界仍有很大差距。谷歌承认,长时间运行、频繁修改场景时,仍可能出现物体突变、空间细节不一致等问题,复杂物理交互也有待改善。
Genie 4 的技术基础来自 Gemini 系列:Gemini Omni 负责生成贴近现实的画面和行为表现,其他 Gemini 模型参与推理,帮助虚拟世界保持连贯。
视频模型方面,谷歌 11 月 5 日推出 Gemini Omni 1.2 Flash,将单次视频生成最长时长从 10 秒增至 15 秒,同时提升角色和场景一致性,并将生成价格降低 30%。用户可通过多轮对话反复修改背景、人物或镜头,同时尽量保留原有画面细节。
世界模型还有一条更具想象力的路线:训练机器人。
11 月 10 日,谷歌 DeepMind 推出 Gemini Robotics 2.5,重点提升机器人执行复杂操作的能力。在与 Apptronik、奔驰合作的生产线概念验证中,搭载该模型的 Apollo 2 人形机器人能自主将汽车零件从料箱取出,再按生产需要放入指定容器,任务成功率达到 96%。

有意思的是,谷歌明确提到,Gemini 4 Argon 在 Robotics 2.5 的研发中发挥了重要作用。研究人员用 Argon 生成大量模拟训练场景,让机器人在虚拟环境中练习,并根据失败视频分析问题、改进方案。在 Genie 4 的研究演示中,谷歌还展示了 Argon 与 Genie 4 合作模拟人形机器人下跳棋:Argon 负责把任务拆成步骤,Genie 4 实时生成对应的场景变化。
刚因更新太快而迅速让出旗舰位置的 Argon,转头成了另一项 AI 研究的帮手。这也让这波密集发布有了另一层意义:Gemini 负责推理与规划,Omni 生成视觉和声音,Genie 模拟真实世界,Robotics 让 AI 控制现实中的机器,不同研究方向开始相互配合,甚至相互加速。
十多年前,谷歌就开始研发 TPU(张量处理单元),最初主要用于语音识别、机器翻译等内部业务。如今 TPU 已迭代到第八代,成为训练和运行 Gemini 系列模型的重要基础设施。
11 月 9 日,谷歌一口气推出 TPU 8tx 和 TPU 8i Max 两套新系统。算上今年 4 月的 TPU 8t 和 8i,谷歌一年内扩充了四套第八代 TPU 系统。
8t 负责大规模模型训练,8i 针对低延迟推理优化;8tx 专门加强机密计算,让企业处理敏感数据时更安全地运行 AI 模型;8i Max 把两颗 8i 芯片封装在一起,计算能力、片上缓存和高带宽内存带宽均翻倍,专门应对超长上下文和多个 AI 智能体协作产生的算力需求。
这种做法有现实原因:芯片从设计到量产往往需要数年,但 AI 模型的需求变化快得多。通过调整封装、内存、网络和安全架构,谷歌能更快拿出适配不同场景的计算系统。根据谷歌数据,TPU 8t 的训练性能最高可达上一代产品的 2.7 倍,8i 的推理性价比最高提升 80%。
谷歌还提到,公司已开始用 DeepMind 研发的 AlphaChip 和 Gemini 模型辅助设计下一代芯片,把部分原本需要数周的芯片布局工作缩短至数小时。AI 帮设计芯片,芯片又为更强的 AI 提供算力,这里也形成了一个加速循环。
谷歌已不满足于只用 TPU 训练自家模型。10 月 20 日,谷歌开源了 TorchTPU。这项与 Meta 的 PyTorch 团队共同开发的技术,让开发者可以用熟悉的 PyTorch 框架在谷歌 TPU 上训练和运行模型,不必为更换硬件大规模重写代码。谷歌 11 月 9 日透露,TPU 业务已有接近 100 家客户,包括前沿 AI 实验室、金融机构、零售企业和大学。
除了芯片和模型,谷歌还有庞大的现成产品体系。比如 Hydrogen 发布时,几乎同步进入 Gemini App 和谷歌搜索,新模型可以直接接触原本就在使用谷歌服务的用户。
这轮提速,也和今年的人事调整有关。8 月 5 日,谷歌 DeepMind 经历大规模重组:掌管多年的德米斯·哈萨比斯卸下日常管理职责,转任 DeepMind 董事长及 Alphabet 首席科学家;原首席技术官科拉伊·卡武库奥卢接过管理权,直接向皮查伊汇报,负责 Gemini 模型开发、前沿 AI 研究及相关产品团队;杰夫·迪恩、奥里奥尔·维尼亚尔斯等 AI 元老相继离职。
当时 Gemini 的新一代旗舰已推迟两个月,部分内部测试成绩仍落后于对手,核心研究人员的离开更让外界怀疑谷歌是否要放弃争夺最强模型。至少从最近的成绩看,谷歌已经找回状态,重新站稳第一梯队。10 月 28 日的 Alphabet 财报电话会议上,CEO 桑达尔·皮查伊提到,AI 已开始帮助谷歌加快模型训练和发布的速度,并预计未来 12 个月这种加速仍会持续。
回头再看 OpenAI,GPT-6.2 Astra 的模型能力依然强悍,OpenAI 也表示正在改进被吐槽的语言风格。几天的社区差评当然不足以证明 OpenAI 掉队,但谷歌的 AI,这回是真的支棱起来了。
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断