Gemini 4 新模型曝光！内部口碑直逼 Opus 5.5，谷歌已实现 RSI？

　　就在 Argon 还未向大多数人打开门的时候，Business Insider 的记者已经找到了更新的东西。

　　据报道，Google 内部员工正在通过 Jetski（内部编程平台 Antigravity 的另一个称呼）测试一个名为 Carbon 的 Gemini 4 新检查点（checkpoint），消息来源包括多份内部文件与截图。

　　内部员工在测试后的感受是：Carbon 的编程体验「感觉像是 Opus 5.5」。

　　Claude Opus 5.5 是目前第一梯队的编程模型，尤其擅长大型项目开发、复杂代码修改、Bug 排查和长时间自主编程，某些测试甚至超过了 Fable 5.1。

　　同时 Antigravity 近期还披露了一个此前代号为「Concierge」的功能，如今更名为「Chief of Staff」，一个具有自主任务委派能力的 agent 系统。

　　上一代还没用上，新一代已经进入视野

　　十天前，Google 发布 Argon，希望它处理持续时间更长、步骤更复杂的工作，包括软件工程、法律与金融领域的知识任务，以及网络安全防御。

　　它已经通过 Fairwind Program 向经过筛选的安全合作伙伴开放。面向更广泛开发者和消费者的发布则采取分阶段方式，Google 表示，付费 API 客户和 Google AI Ultra 订阅者会是后续开放的优先人群，但没有给出确切日期。

　　Google 对外解释了这个节奏的原因。具备较强漏洞发现、验证和修复能力的模型，也可能增加滥用风险；公司需要在安全测试、外部评估和防护机制之间留出时间。

　　不过，现在看来， Argon 的开放时间可能就在这几天。

　　长期跟踪应用更新的 TestingCatalog 发现，Antigravity 的测试版本中出现了 Gemini 4 Argon 的选择入口，以及 256K、512K、900K 等上下文配置。后两档被标注为消耗更多使用额度，约为普通配置的 1.3 倍和 1.8 倍。

　　10 月 9 日前后，《Business Insider》记者 Hugh Langley 报道，Google 员工近来在名为 Jetski 的内部编程环境中试用新的 Gemini 4 检查点。内部文件出现了 Argon、Barium、Carbon 等多个代号，其中被选作公开版 Argon 的，实际是一个叫作 Barium-B 的内部版本。

　　Carbon 可能成为 Argon 的后续更新，也可能在 Gemini 4 家族里以另一种身份出现，甚至有可能始终留在内部。

　　报道中有内部员工说，Carbon 的编程表现让他想起 Opus 5.5。早期 Argon 虽然总体受到内部欢迎，仍有测试者觉得它在某些编码任务上落后于 Claude Opus 5。

　　据官方基准数据，Argon 在综合智能指数与知识工作榜单中名列前茅，幻觉率大幅降低，在部分网络安全与推理测试上超越了主要竞争对手，但也在 FrontierSWE v2、Terminal-bench 等几个编程评测项目上落后于领先者。

　　随着 Carbon 的曝光，我们也隐约参透了 Google 命名新模型的规律。

　　A rgon 是元素周期表中的第 18 号元素，一种无色无味的惰性气体，化学上几乎不与任何物质反应。 B arium 是第 56 号碱土金属， C arbon 是第 6 号、几乎一切有机生命的基础。

　　据此推断，下一个检查点的代号很可能是 D ysprosium，元素符号 Dy，原子序数 66，一种镧系金属，名字来源于希腊语中「难以得到」的意思——发现者当年花了 30 次尝试，才最终将它从混合矿物中分离出来。

　　Google 正在用自己的模型来设计和调试下一代模型？

　　Argon 9 月底刚刚公布，十月上旬又有内部新版本的消息。我们还无法判断这些检查点之间相隔多少训练周期，更无法推断 Carbon 必然采用了全新架构。

　　即便如此，Google 同时准备公开发布与内部升级的状态，仍让我们想知道：模型进步正如何反过来改变模型自身的开发方式？

　　路透社 8 月谈及 Google 人事与研发调整时提到，联合创始人 Sergey Brin 对递归自我改进抱有浓厚兴趣，并推动资源向相关方向倾斜。

　　到了 9 月，Google 研究人员公开了《RRSI：Regularized Recursive Self-Improvement of Agent Harnesses》。

　　论文的核心论点是，递归自我改进不必发生在基础模型训练层面，而可以在 Agent 系统层面实现——在冻结基础模型的前提下，通过迭代优化 prompt 设计、控制流、工具选用、记忆机制和上下文管理策略，系统可以持续提升在具体任务上的表现。

　　有人猜测，Google 正在用自己的模型来设计和调试下一代模型。如果 Google 的模型真的已经在某种程度上开始加速自身迭代，那就能解释为何从 Argon 宣布到 Carbon 内测泄露，前后不过十天。

　　说回 Carbon 的下一步，Google 可能选择在 Argon 公测后悄然替换内部检查点，让用户感受到持续改善；也可能把它整理成更明确的 Gemini 4 版本，单独发布性能、价格与安全说明。如果公开测试发现它的收益不足以抵消推理成本或风险，它也可能停留在实验阶段。

　　对于 Google 而言，Carbon 即使最终没有成为商品，也可能是一个有价值的中间结果。

　　Gemini 3 的推出让 Google 一度追赶上了前沿，但结构性问题的惯性很快让进展放缓，这个起伏在过去一两年里重复了不止一次。

　　前沿模型的竞争，越来越难由单次发布来概括。

　　「最强」这个定语，在这个行业里的保鲜期，也已经越来越短。