2026年9月25日
Argon正式上线仅8天，谷歌的又一款重磅产品就闯入了测试场！
就在刚刚，谷歌最强的Carbon模型被曝已开始测试。合作方已提前拿到手，LMArena上也开启了匿名测试，正式发布近在咫尺。
消息传开后，测试者们纷纷涌入Arena。
短短一天内，Carbon的实测结果就在X平台上引发热议，有人用它一气呵成地完成了整个超级玛丽关卡。
上一代旗舰的热度尚未消退，下一代产品已在门外排队等候。
谷歌联合创始人布林表示，谷歌已踏上「RSI的跑步机」，模型正在协助构建下一代模型。
Arena上的Carbon，目前仍以「gemini-4-argon」的名字出现。测试者识别它的方法颇为有趣——就看它的响应速度。
网友Harshith发现，这个名字下实际有两个模型。一个速度快且表现不错，另一个则慢得出奇，但生成的作品却令人惊艳，后者才是真正的Carbon。
测评账号Lumina用超级玛丽的提示词，让Carbon生成了一整关游戏。
角色一路顶砖块、吃金币、钻水管，下到地下关卡再返回地面，最终跳上旗杆、进入城堡，屏幕显示出「COURSE CLEAR」，金币数和评级也一并结算完成。
Lumina还将相同的体素宝塔测试题，交给Argon、Carbon、Opus 5.5和Sonnet 5.5进行同场对比。
在Lumina看来，Carbon的质量明显优于Argon，但根据任务不同，速度要慢2到4倍。
网友Synopsis的体素山谷，将画面质量提升到了新高度。
樱花沿河绽放，红色拱桥横跨水面，木屋中灯光闪烁，一场雨突然降临，整片山谷随之变得昏暗。
网友Salio创建了一座3D城堡，光照能在黄昏、蓝调时刻、月光和薄雾晨光之间自由切换，城下的石桥一路亮着灯。
知名爆料人chetaslua将Gemini的吉祥物交给Carbon，要求它制作一段解释碳为何稳定的3D动画。
画面开始，吉祥物注视着一颗碳-12原子核。随后，6个电子按1s²2s²2p²排列，轨道杂化成4个相同的sp³瓣，再与相邻原子共享电子以填满8个，最终构建成一块完整的金刚石晶格。
chetaslua表示，这道题对之前的Gemini模型来说难度极大。用Carbon来讲解碳，谷歌这次的命名方式，被网友巧妙地解读了。
开发者Pankaj Kumar则让它制作了一个可交互的3D水晶柑橘。
不过，在SVG生成方面，评价开始出现分歧。
网友Binkg让Carbon绘制了一个可乐瓶的SVG，瓶身挂满水珠，标签上的小字和瓶盖都清晰可见，旁边还可以调节霜冻、气泡和背光效果。
但Haleemah在观察了一整天的测试后表示，Carbon最强的仍是3D领域，她还没看到高质量的SVG作品。
除SVG外，前端设计依然是老问题。Lumina指出，Carbon的前端设计和审美仍然一般，缺少Anthropic模型的那种独特风格。
同一个模型，3D能力突飞猛进，前端却止步不前，这是因为两类任务的考核方式不同。
在3D场景中，几何、光照、碰撞全部由代码决定，计算稍有差错画面就会崩溃，正确与否一眼就能判断。
前端考察的是留白大小、字号选择、按钮位置，没有标准答案，只有个人偏好。
因此，3D能力可以通过算力和强化学习不断提升，而前端只能依赖大量的人类反馈慢慢优化。
测试者在展示作品时，几乎都会提到“慢”这一点，但很少有人抱怨，因为它不再偷懒了。
偷懒，恰恰是Argon上线以来被批评最严重的问题。它的跑分很漂亮，但开发者上手不到一周，“懒”的名声就传开了。
科技媒体Every在测试完Argon后，给出了5条使用建议，其中第3条是务必复核它的工作成果。
在38次基准运行中，有17次，Argon将代码审查步骤打开后又关闭，中间仅间隔30毫秒。
同一份建议中还包含一组数据。将Argon从低推理档位提升到高档，耗时仅变为原来的1.7倍；而Opus 5.5拉到高档，需要花费18倍的时间。
也就是说，让Argon多思考一会儿，它也没有真正多想多少。
在Every CEO Dan Shipper的资深工程师基准测试中，Opus 5.5和Sonnet 5.5都获得了85%，GPT-6 Astra获得81%，而Argon只有21%，在8个模型中排名垫底。
而到了Carbon这里，情况完全反转。
Business Insider此前爆料，谷歌员工在内部试用Carbon后表示，它写代码「感觉很像Opus 5.5」。
从Argon到Carbon，谷歌这一轮的更新节奏快得惊人。
9月30日官宣Argon，最初仅提供给Fairwind计划中的网络安全防御方；10月13日，Argon向开发者和订阅用户全面开放；又过了8天，Carbon就进入了合作伙伴的测试阶段。
谷歌出牌速度越来越快，布林给出的解释便是——RSI（递归自我改进）。
在最近一次圆桌对谈中，他曾表示，现在研究人员已经和模型携手合作，共同开发下一版模型。
Argon的安全报告显示，今年9月，DeepMind超过九成的代码合并请求中，AI编写的部分占比都在75%以上。
完全交给AI、人类干预不超过三轮的合并请求，也从4月的7.5%增长到了11.9%。
DeepMind每月的代码合并请求，颜色越深，AI编写的比例越高
当模型开始协助构建模型时，Argon和Carbon的发布如此接近，也就不难理解了。
参考资料：
https://x.com/Lentils80/status/2112770669549068684
https://x.com/steph_palazzolo/status/2112183963452059734
https://x.com/steph_palazzolo/status/2112205820440326307
本文来自微信公众号“新智元”，作者：ASI启示录；编辑：摩西，36氪经授权发布。
评论
想了解更多欧冠赛程相关内容，尽在英超赛程。
2026年9月25日英超赛程专注提供赛事动态与关键数据，辅助观赛决策。，为用户提供专业可靠的体验。
围绕海星体育，英超赛程持续打磨更优质的服务。
2026年9月25日英超赛程深耕英超直播领域，用心服务每一位用户。
围绕提供赛事动态与关键数据，辅助观赛决策。，英超赛程持续打磨更优质的服务。
2026年9月25日围绕收录英超及欧冠全部赛季赛程与对阵安排。，英超赛程持续打磨更优质的服务。