Gemini Carbon 做的鹈鹕骑自行车演示，一个 Agent 负责构建，在 Blender 和 Three.js 上生成建模，一个 Agent 负责审查，检查它们自己的渲染结果，最终生成的可玩的 3D 游戏：一只鹈鹕骑着自行车在 Google 的 Mountain View 园区转悠。 测试地址：

Gemini Carbon 智能指数 59 领跑，SEC Bench Pro 找到 88% 漏洞、成功利用 55%，补丁能力甩开对手一大截，可惜还没完全公开，成本补贴不透明，大概就是个更高推理版，TPU 数据模型垂直整合才是真底牌。 Genie 4 能生成可交互 3D 世界，机器人训练、模拟工厂管理，成本还要快速降，这才是未来界面。可 Alphabet 当天暴跌 13%，蒸发 5000 亿美金，营收涨 25%、Cloud 翻倍、Gemini 十亿用户，还是扛不住搜索广告见顶被 AI 代理抢、自由现金流为负。

Gemini 4 Carbon 今天发布。HN 上谷歌官方博客那条直接冲到 833 分，695 条评论跟着刷屏，评论数都快追上分数了。 这边一下冒出三个帖子，浏览分别是 2200、1400、1200。HN 标题老老实实只写产品名"Gemini 4 Carbon"， 最热那条已经写成"谷歌重回世界第一"。 所以"世界第一"目前只活在那条论坛标题里，谷歌自己没这么说。

谷歌把 Gemini 4 Carbon 全面开放给付费开发者和企业。这个模型 10 月 28 日发布，之前只提供给网络安全防御机构试用。 三项真实工作流评测都拿了第一。Zapier 自动化那一项是 53.9%，超过 Opus 5.5 的 42.5% 和 GPT-6 Astra 的 41.4%，Terminal-Bench 4.0 是 65.2%。 官方举的例子很硬核：一夜之间从零写出 Rust UI 库，重写 OpenCode；两小时发现一个零日漏洞。它的定位，就是探索、推理、验证每一步都很费 token 的重活模型。 从 12 月起，API 价格翻倍。Carbon 干重型任务，Argon 接日常任务，按任务复杂度分档收费，头部 agent 模型开始按价值定价了。

Google 发布了 Gemini 4 Carbon，距离 Argon 才不到一个月！这个发版和进步速度，看来一定是 RSI 大幅强化了；但是今天财报后股价盘后暴跌 10%，核心原因是搜索业务增长不及预期，连续两个季度放缓，对比翻倍增长的云业务显得十分黯淡。在 1,275.77 亿美元总营收中，广告占 64.28%，Google Cloud 占 24.07%，云业务已经拿到近四分之一的总盘子，而纯搜索业务占比首次跌破 50%。 感觉现在又回到了 2023 年 Google 的至暗时刻，但现在的 Google 在模型方面的实力也不是当年可比。而且云业务的增长和卖 TPU 的收入显得十分有潜力，慢慢减少广告的占比，才是 Google 最应该做的决策；新调整的组织架构将更有利于 Google 更快推进云业务和 AI 方面的进展。Google 是一个既能做前沿模型，又有最大用户触达能力的公司。 这个时候，大家会怎么选呢？

前上个月配了一台 ThinkPad X1 Carbon Gen 13，Costco 入手，价格 1600 多美元（完全自费，不走公司报销）。 它的定位非常明确：极致轻便，以及真正意义上的 “Personal Computer”。 不装 IM，也尽量不接入那些会侵入注意力、打断思绪的工具。只求保留一个有心理安全感的数字环境，可以在里面持续阅读、思考、写作和处理复杂工作。 论输入效率，它远高于手机；论便携性，它又优于 iPad Pro 加官方键盘。它与装有 IM、承担日常沟通功能的设备严格分工，绝不混用。 实际使用一个月，效果很好。 做过管理工作，或者长期需要处理复杂问题的人，应该能够理解：拥有一个不被消息、通知和他人需求随时侵入的计算环境，到底有多重要，这可能是保持头脑清醒的前提。

据 Business Insider 援引知情人士报道，Google 内部在测试新模型 Carbon，有员工说编码能力“感觉像 Opus 5.5” Carbon 部署在 Google 内部的 AI 编程工具 Jetski 上。报道说，Google 9 月 30 日发布的 Gemini 4 Argon 用的是另一个内部版本 Barium-B，Carbon 是在它之后训练出来的新版本。Carbon 会作为 Argon 的升级推出，还是单独作为新模型发布，目前还不清楚。 Opus 5.5 是这次的参照对象，因为编程是 Gemini 目前的短板。Bloomberg 此前报道，有 Google 员工反映 Argon 跑分好看，真拿来写代码却不如预期。在第三方编程测试 Terminal Bench 4 上，Argon 得分 57%，低于 Anthropic 的 Claude Sonnet 5.5（64%）、Claude Opus 5.5（60%）和 OpenAI 的 GPT-6 Astra（59%）。Google 9 月还放开了内部限制，允许全体工程师用 Claude 写代码。 如果 Carbon 真能做到 Opus 5.5 的水平，用 Gemini 写代码的开发者会直接受益。不过“感觉像”只是一位匿名员工的主观评价，Carbon 没有公开跑分，也没有发布时间，Google 拒绝评论内部路线图。眼下外界能用的只有 Argon，而且它也只开放给了部分网络安全合作伙伴，付费 API 用户和 Google AI Ultra 订阅用户还要再等。

卧槽！看看这个月 「Claude Fable 5.5 快来了」喊了 6 次 「GPT Astra 6.2 马上发布」喊了 8 次 「DeepSeek V4.1 Pro 即将上线」喊了 3 次 「Gemini 4 Carbon 来了」喊了 0 次 狼来了，狼来了，期待越多，失望越大！

把AIHOT模型榜背后抓取的公开评测集，从39份增加到了56份，然后根据之前的算法，对所有模型重新进行ELO排名，剔除没有正式上线的模型（比如Gemini 4 Carbon）后，这是目前所有模型的排名结果。 综合No.1：Claude Opus 5.5 编程No.1：Claude Opus 5.5 科研No.1：GPT-6 Astra 办公No.1：Gemini 4 Argon 知识No.1：GPT-6 Astra 我个人感觉现在这个排名结果，还是挺符合我对所有模型的认知的。。