谷歌Gemini 4 Carbon首批实测曝光，超级玛丽一次通关

Argon全面开放仅8天，谷歌下一代模型Carbon已被曝开测。合作伙伴已抢先拿到，LMArena上也已开启盲测，发布在即。消息一出，测试者纷纷涌入Arena。一天之内，Carbon的实测在X上引发热议，有人用它一次性做完了整关《超级玛丽》。

Arena上的Carbon仍挂着“gemini-4-argon”的名字，测试者通过运行速度辨认：同名下有两个模型，一个又快又不错，另一个慢得出奇但作品惊艳，后者才是Carbon。测评账号Lumina用《超级玛丽》提示词让Carbon做出一整关游戏，主角顶砖块、吃金币、钻水管，下到地下关再爬出，最后跳上旗杆走进城堡，屏幕弹出“COURSE CLEAR”并结算金币数和评级。Lumina还将同一道体素宝塔题交给Argon、Carbon、Opus 5.5和Sonnet 5.5对比，认为Carbon质量明显高过Argon，但视任务不同要慢2到4倍。

网友Synopsis的体素山谷展示了樱花沿河岸开放、红色拱桥架在水上、木屋亮灯、降雨后整片山谷变暗的场景。网友Salio的3D城堡可在黄昏、蓝调时刻、月光和薄雾晨光间切换光照。爆料人chetaslua让Carbon制作讲解碳为何稳定的3D动画，画面从碳-12原子核开始，6个电子按1s²2s²2p²排布，轨道杂化成4个sp³瓣，再共享电子凑满8个，最终搭成金刚石晶格。chetaslua称这道题对之前的Gemini模型非常难。

开发者Pankaj Kumar让Carbon做了可交互的3D水晶柑橘。但在SVG方面评价分化：网友Binkg让Carbon画可乐瓶SVG，瓶身水珠、标签小字和瓶盖都画了出来，还可调霜冻、气泡和背光；Haleemah看了一整天测试后表示，Carbon最强的还是3D，好的SVG还没见到。Lumina称Carbon的前端设计和审美依旧平平，缺少Anthropic模型的味道。文章解释，3D场景中几何、光照、碰撞全由代码决定，对错一眼可验，能靠算力和强化学习推进；前端考留白、字号、按钮位置，没有标准答案，只能靠大量人的反馈慢慢磨。

测试者几乎都会提到Carbon慢，但很少有人抱怨，因为它不偷懒了。偷懒正是Argon上线以来被批评最狠的毛病。科技媒体Every测完Argon给出5条使用建议，第3条是务必复核它的活。在38次基准运行中，有17次Argon把代码审查打开又关上，中间只隔30毫秒。把Argon从低推理档拉到高档，用时只变为原来的1.7倍；Opus 5.5拉到高档要花18倍时间。在Every CEO Dan Shipper的资深工程师基准上，Opus 5.5和Sonnet 5.5均得85%，GPT-6 Astra得81%，Argon仅21%，在8个模型中垫底。而Business Insider此前曝出，谷歌员工内部试用Carbon后称其写代码“感觉像极了Opus 5.5”。

从Argon到Carbon，谷歌节奏快得惊人：9月30日官宣Argon，先只交给Fairwind计划中的网络安全防御方；10月13日向开发者和订阅用户全面开放；又过8天，Carbon进入合作伙伴测试。谷歌联创布林称谷歌开始踏上“RSI的跑步机”，研究员已和模型一起做下一版模型。Argon安全报告显示，今年9月DeepMind超过九成的代码合并请求中，AI写的部分都在75%以上；完全交给AI、人类插话不到3轮的合并请求从4月的7.5%涨到11.9%。