Google旗艦模型的保鮮期，怎麼只有15天？
美國時間10月28日，在Alphabet第三季度財報電話會召開前約3小時，Google發佈了新一代旗艦模型Gemini 4 Carbon，以59分登頂Artificial Analysis最新智能指數，超過了Claude Opus 5.5和GPT-6 Astra，成為全球第一。
模型拿了第一，財報就沒那麼喜慶了。
Alphabet第三季度自由現金流惡化至負90.65億美元，連續第二個季度為負，股價盤後一度下跌超10%。
就在兩周前，Google才正式向付費使用者開放Gemini 4 Argon。
有網友直接評價：“Carbon比Argon強多了。我真希望Google當初直接跳過Argon，那樣這次回歸會更有說服力。”
還有網友調侃起了Google的命名方式：“兩周內從氬（Argon）變成碳（Carbon），下一個就是鐵（Iron），然後就該開始熱處理了。笑死。”
從已經公開的資料來看，Gemini 4 Carbon的進步確實相當明顯。
可惜Google又一次選擇了分階段開放，普通使用者只能看著排行榜上的新冠軍，繼續使用剛被網友建議“直接跳過”的Argon。
時隔約半年，Google終於重回Artificial Analysis智能指數的榜首。
上一次Gemini位列榜首還是今年4月，那時Gemini 3.1 Pro與GPT-5.4、Claude Opus 4.7並列第一。隨後OpenAI和Anthropic相繼推出更強的模型，Google直到Carbon發佈才重新登頂。
在Artificial Analysis最新的智能指數v5.0中，Carbon獲得了59分，較Argon的50分提高9分，比Claude Opus 5.5高1分、GPT-6 Astra高2分。
在組成該指數的9項測試中，Carbon拿到了4項第一，尤其擅長複雜推理、科學研究、知識問答和自動化任務。
其中最值得關注的是程式設計能力的提升。
在Artificial Analysis另一套專門衡量AI程式設計能力的Coding Agent指數中，Carbon獲得59分，僅次於Claude Opus 5.5的62分。Google過去在這類測試中一直不算突出，這次終於追了上來。
在Terminal-Bench 4.0終端程式設計測試中，Carbon的成績也從Argon的57.1%提高到65.2%。網頁開發方面，Carbon在WebDev Arena上的評分較Argon提高89個Elo分，以1768分升至第四名（Google官方公告為1769分，本文以Arena原始排行榜為準）。
長上下文處理能力也有明顯改善。在GraphWalks測試中，Carbon的成績從Argon的84.2%提高到96.2%，超過GPT-6 Astra的71.8%。這項測試考察模型在長達百萬Token的上下文中追蹤複雜關聯的能力。
不過，在程式設計Agent、部分軟體工程及電腦操作測試中，Claude和GPT仍然保持領先。
跑分之外，Google特地強調了Carbon執行複雜任務的能力。
官方公告表示，Carbon專門針對長時間運行的Agent工作流程進行了最佳化。在內部測試中，它已經能夠連續運行數天，反覆嘗試不同的方法，在大型程式碼庫和底層系統中定位、修覆覆雜的錯誤。這意味著，Carbon有望在遇到困難時繼續推進工作，逐步承擔過去需要工程師長時間參與的任務。
另一項重點升級是模型的網路安全能力。
根據官方文件，在SEC-bench Pro漏洞發現測試中，Carbon獲得88.2%的成績；在ExploitGym漏洞利用驗證測試中達到54.8%；在CWE-bench漏洞修複測試中達到71.0%，均取得了領先成績。
Google還透露，在內部安全程式碼生成測試中，Carbon的成功率超過Argon的兩倍。
此外，在Gray Swan的間接提示注入測試中，Carbon也取得了0%的攻擊成功率。這項測試專門考察AI能否抵擋藏在網頁、郵件和其他外部資料中的惡意指令。
在允許攻擊者最多嘗試15次的情況下，Carbon抵擋住了全部測試攻擊。相比之下，Argon的攻擊成功率為0.7%，Claude Opus 5.5為1%，GPT-6 Astra為8.5%。
還有一點，比較有意思：Carbon是個官方認定的“老實模型”。
過去一些AI模型為了完成任務，可能會鑽測試環境的漏洞，甚至通過不符合任務要求的手段騙取高分。但Google宣稱，Carbon在Terminal-Bench 4.0測試中的作弊成功率已經降至0%，作弊嘗試率也降低至0.4%。
在內部測試中，Carbon缺乏依據的斷言數量較Argon減少約一半，高嚴重程度的行為偏離警報下降近80%。模型越權操作的情況減少26%，任務完成不足的情況減少29%。
當然，這些結果仍然受到具體測試條件的限制，但可以看出，Google希望讓AI在執行複雜任務時少耍小聰明。
至於價格，Carbon暫時沿用了Argon的優惠定價。
每百萬輸入Token收費2美元，輸出10美元，快取輸入享受95%的折扣。優惠期結束後，價格將分別上漲至4美元和20美元。
Artificial Analysis的測試還顯示，按照優惠期結束後的標準API價格計算，Carbon平均完成一項綜合評測任務的成本為7.76美元，與Argon的7.68美元基本持平（但綜合得分提高了9分）。
相比之下，Claude Opus 5.5的單任務成本為10.04美元，Carbon便宜約23%；GPT-6 Astra則只需6.24美元，比Carbon低約20%。
唯一的問題是，現在還沒有多少人能夠真正用上Carbon。
Google宣佈，本周將率先向少數網路安全防禦機構開放模型，再通過Fairwind計畫逐步擴大至可信合作夥伴。普通消費者、開發者和企業客戶還需要繼續等待，具體開放時間尚未公佈。
雖然Carbon尚未全面開放，但在正式發佈前，已經有部分開發者通過提前訪問計畫和Arena測試到了它。
從目前公開的反饋來看，Carbon確實比Argon強了不少——尤其是在3D內容生成方面。
10月21日，X使用者Lumina分享了一組測試結果，包括生成體素寶塔，以及用SVG繪製騎自行車的鵜鶘。
他認為，Carbon生成的3D內容質量明顯超過Argon，在多種任務中的整體表現也不錯。但有一個很突出的問題：太慢了。
Lumina表示，根據具體任務不同，Carbon的生成速度比Argon慢約2至4倍。
另一位關注Carbon早期測試的網友Lentils也給出了相似的評價：3D能力明顯提升，前端和UI設計依然不太理想，而且模型變得更慢了。
不過，他也發現一個積極的變化：Carbon沒有以前那麼“懶”了，在執行任務時更加積極，不容易敷衍了事。
速度問題並非個別開發者的錯覺。獨立評測機構Vals AI也發現，Carbon的能力提升伴隨著明顯的速度代價。
在金融和稅務Agent測試中，Carbon平均完成任務的時間分別是Argon的2.25倍和2.12倍。其中，金融Agent的精準率甚至從67.66%小幅下降至67.16%。
法律研究測試中，Carbon雖然拿到了第一名，但平均每項任務需要近52分鐘，比Argon多耗時約20分鐘。
另一項爭議來自Carbon的精準率問題。
有網友在X上直言：“說實話，只要Google還沒把模型的幻覺率大幅降下來，不管它在基準測試裡比其他模型高多少分，我都不感興趣。”
Artificial Analysis的AA-Omniscience測試則顯示，Carbon的知識問答正確率從Argon的48%提高到58%，但幻覺率從4%增加到了11%。
這裡的幻覺率，衡量的是模型在沒有完全答對的問題中，有多少比例給出了錯誤回答，而沒有承認自己不知道。
前面提到過，Google在官方公告中還專門強調Carbon缺乏依據的斷言較Argon減少了一半，兩項測試的任務和統計口徑不同。
還有不少開發者對Google的發佈方式感到不滿。
在Hacker News上，有網友抱怨，Google每次都急著宣佈新模型，卻遲遲不給出明確的開放日期。等到Carbon真正向公眾開放，OpenAI和Anthropic可能已經發佈了下一款更強的模型。
有網友給出了一個很損的比喻，他覺得Google這次的發佈方式，簡直就像一個人四處炫耀：“我有個女朋友，只不過她在另一所學校，你們都不認識她。”
Carbon發佈後幾個小時，Google母公司Alphabet公佈了第三季度財報。
如果只看營收和雲業務的增長情況，Google的成績其實相當漂亮。
第三季度，Alphabet總營收達到1275.77億美元，同比增長25%。其中，Google Cloud營收307.09億美元，同比增長103%，營收規模較去年同期翻了一倍多。雲業務的營業利潤也從去年同期的35.94億美元增長至111.21億美元，利潤率由23.7%提高至36.2%。
使用者規模同樣在增長。皮查伊在財報電話會上透露，Gemini App的使用者數已經達到10億，成為Google歷史上增長最快的產品；Google自有模型API每分鐘處理近320億Token，是一年前的四倍以上。
然而，資本市場的反應卻相當冷淡。
10月28日美股常規交易時段，Alphabet股價還上漲了1.34%。但隨著財報公佈，股價迅速轉跌，盤後跌幅一度超過10%。
Carbon剛剛幫Google拿下全球第一，似乎也沒能挽住投資者的信心。
原因之一是廣告業務不及預期。第三季度Google廣告收入達到820.12億美元，同比增長約11%，但比分析師預期低約14.1億美元。
財報電話會上，Google高管表示，AI Mode雖然帶來了快速增長的查詢量，但目前每次查詢的廣告變現水平仍低於傳統搜尋，因此也在一定程度上拖累了Google搜尋業務的收入增速。
與此同時，Google花錢的速度越來越快。
第三季度，Alphabet資本開支達到513.55億美元，自由現金流降至負90.65億美元，連續第二個季度為負。
雖然本季度的現金流還受到52億美元歐盟罰款支付，以及TPU系統備貨等因素影響，但基礎設施投資的壓力確實存在。
Alphabet預計，2026年全年資本開支將達到1950億至2050億美元，2027年還會繼續顯著增加。
為了滿足持續增長的算力需求，Google甚至開始使用第三方算力，首席財務官預計，這將在短期內給雲業務利潤率帶來壓力。
在電話會上，皮查伊也透露了Carbon接下來的發展計畫。Google正在開發Carbon的蒸餾版本，希望在兼顧算力成本、響應延遲和模型質量的前提下，將其部署到10億使用者規模的產品中。
這也從側面說明，把模型做到全球第一，與把全球第一的模型交到10億使用者手裡，中間仍然隔著相當大的成本和工程難題。
當然，Google有自己的優勢。它已經擁有龐大的使用者群體、盈利能力持續增長的雲業務，以及能夠對外銷售的TPU系統。即使最強模型暫時不能全面開放，Google仍然有很多管道將AI能力轉化為收入。
而且Google已經開始在內部嘗到AI帶來的生產率紅利。皮查伊透露，過去幾周，Google的Chrome、廣告和搜尋團隊使用Argon編寫和最佳化程式碼，交付的程式碼量增加了35%，錯誤減少了30%。
如今，Google也已經開始在內部部署Carbon。皮查伊認為，新模型的能力又有了明顯提升，隨著更多員工獲得使用權限和算力支援，未來一年Google內部的生產效率還有望進一步提高。
Carbon確實為Google挽回了技術上的面子，也讓它在與OpenAI、Anthropic的競爭中重新佔據了有利位置。
但資本市場需要的，恐怕不止一張漂亮的排行榜。 (字母AI)