Google员工质疑Gemini 4实际编程能力

Alphabet 内部正对即将发布的下一代旗舰人工智能大模型 Gemini 4 产生性能方面的疑虑。据彭博社报道，多名 Google 员工反映，尽管 Gemini 4 在行业基准测试中取得了优异成绩，但在应对实际编程任务时却表现欠佳。

基准跑分与实际应用效果之间的脱节，引发了公司内部的担忧。Gemini 系列模型目前支撑着 Google 几乎所有核心产品，包括 Google 搜索的 AI 摘要、Google 地图、Gmail 以及 Chrome 浏览器等，每款产品的用户量均超过十亿。

基准跑分与真实场景的差距

知情人士透露，尽管 Gemini 4 在评估模型性能的行业标准基准上得分颇高，但当员工将其应用于真实任务时，实际效果却打了折扣。该模型在特定编程任务中表现尤为吃力，而代码编写正是大语言模型目前商业价值最高的应用场景之一。

部分员工认为，竞争对手 Anthropic 和 OpenAI 提升模型能力的速度已经超过了 Google 推进 Gemini 的步伐。另据报道，Google 原计划在 6 月发布名为 Gemini 3.5 Pro 的版本，但随后放弃了该计划。

Google 官方予以反驳

Google 否认了 Gemini 4 表现不佳的说法，并提及 Google DeepMind 负责人 Koray Kavukcuoglu 此前的表态，后者表示对该模型的表现感到振奋。一名熟悉模型研发的 Google 员工向彭博社表示，公司内部对于 Gemini 4 处于前沿水平存在“广泛共识”，并否认该模型在实际编程任务中存在困难。

也有其他员工持相同看法，认为 Gemini 4 已经追赶上了行业领先的 AI 实验室。

资本市场反应

受此报道影响，Alphabet 股价周三盘中涨幅收窄。在彭博社报道发布前，该公司股价曾上涨超过 2%，最终收盘涨幅收窄至约 0.5%。这一市场反应表明，投资者对 Google 在 AI 竞赛中落后的任何潜在信号都保持高度敏感。