Newshot

给 Gemini 道歉,请自觉排队

Summary

今天,知名半导体和 AI 研究机构 SemiAnalysis 在 X 上发了一张写给 Google DeepMind 主席 Demis Hassabis 的《向 Google 道歉专用表》。 理由一栏勾了包括「我只看了 X 上大家的消息」、「我那在 Anthropic 工作的室友,说服我相信 Gemini 已经完了」和「我没有阅读模型卡」等原因。最有意思的是最后一行:「Demis,关于 Gemini 4,我们错了。我们只想撤回一个词。」 他们从自己当初的标题里划掉了一个 is:Gemini is cooked。一句「Gemini 完了」,变成了「Gemini 这回真做出了点东西」。 事件的起因是 SemiAnalysis 在今年 8 月份发布了一篇文章,通篇都在讲 Google 自从去年 11 月短暂领先之后,就再也没有发布任何让人激动的模型,几乎是处在了掉队中的状态。 当时他们分析 DeepMind 的强化学习团队走了不少人,内部的算力又没分配好,对 Google 下了一个相当重的判断: 照这样下去,Google 当然还会继续发模型,但再一次达到行业最高水平的概率,已经「降到了零」。 报告发出不到两个月,谷歌就公布了 Gemini 4 Argon,接着 10 月底发布 Carbon、11 月 12 号推出 Hydrogen,18 号发布 Neon,短短 8 天的时间,接连推出了 3 款模型,其中 Carbon 的表现当时还来到了 Artificial Analysis 的综合能力榜首。 图|ai.studio 模型选择页面 这些新发布的模型在社交媒体上备受好评,主打 Flash 的 Hydrogen 在写作、复杂的软件工作的能快速完成任务;而最智能的模型 Carbon 则擅长处理各类长程 Agent 任务;两者中间的 Neon 则兼顾了速度和智能,可以说是 Gemini 4 系列中综合能力最强的一款模型。 类似「Gemini 4 Neon 太疯狂了」、「Gemini 4 Neon 实际上比你想象的还要疯狂」、「Gemini 4 Neon 解决了人们此前对 Gemini 模型的所有不满」的评论在 X 上被大量的用户点赞同意。 今天 Google DeepMind 研究员 Arthur Douillard 在 X 上说,他们曾经把那篇批评的文章打印了出来,放在桌子上,…

Original text(via 爱范儿)

给 Gemini 道歉,请自觉排队

2026-11-20 17:03

今天,知名半导体和 AI 研究机构 SemiAnalysis 在 X 上发了一张写给 Google DeepMind 主席 Demis Hassabis 的《向 Google 道歉专用表》。

Image
Image

理由一栏勾了包括「我只看了 X 上大家的消息」、「我那在 Anthropic 工作的室友,说服我相信 Gemini 已经完了」和「我没有阅读模型卡」等原因。最有意思的是最后一行:「Demis,关于 Gemini 4,我们错了。我们只想撤回一个词。」

他们从自己当初的标题里划掉了一个 is:Gemini is cooked。一句「Gemini 完了」,变成了「Gemini 这回真做出了点东西」。

Image
Image

事件的起因是 SemiAnalysis 在今年 8 月份发布了一篇文章,通篇都在讲 Google 自从去年 11 月短暂领先之后,就再也没有发布任何让人激动的模型,几乎是处在了掉队中的状态。

当时他们分析 DeepMind 的强化学习团队走了不少人,内部的算力又没分配好,对 Google 下了一个相当重的判断:照这样下去,Google 当然还会继续发模型,但再一次达到行业最高水平的概率,已经「降到了零」。

报告发出不到两个月,谷歌就公布了 Gemini 4 Argon,接着 10 月底发布 Carbon、11 月 12 号推出 Hydrogen,18 号发布 Neon,短短 8 天的时间,接连推出了 3 款模型,其中 Carbon 的表现当时还来到了 Artificial Analysis 的综合能力榜首。

Image
Image

这些新发布的模型在社交媒体上备受好评,主打 Flash 的 Hydrogen 在写作、复杂的软件工作的能快速完成任务;而最智能的模型 Carbon 则擅长处理各类长程 Agent 任务;两者中间的 Neon 则兼顾了速度和智能,可以说是 Gemini 4 系列中综合能力最强的一款模型。

类似「Gemini 4 Neon 太疯狂了」、「Gemini 4 Neon 实际上比你想象的还要疯狂」、「Gemini 4 Neon 解决了人们此前对 Gemini 模型的所有不满」的评论在 X 上被大量的用户点赞同意。

Image
Image

今天 Google DeepMind 研究员 Arthur Douillard 在 X 上说,他们曾经把那篇批评的文章打印了出来,放在桌子上,每天提醒自己。他说有些问题当时确实存在,他想要感谢 SemiAnalysis 那篇文章的激励。

我要感谢 @SemiAnalysis_ 提供的动力。在 Gemini RL 扩展团队,我们把那篇文章打印出来,放在桌上,每天提醒自己当时的实际情况。但时代在变。:)
Image
Image

随后,SemiAnalysis 就转发 Douillard 的帖子,也晒出了一张纸,就是开头那份填给 Google 的「道歉表」。

几小时后,Hassabis 转发这个帖子接梗表示「接受道歉」,同时打趣说对方漏勾了「低估了 Google DeepMind 这群高手」这一项。

其实早在机构官号发梗图的两周多前,「8 月看空报告」的共同作者 Dylan Patel 就已在 Gemini 4 Carbon 的评测发布后,以个人名义向 Google 公开致歉。

Image
Image

从 8 月初被权威机构公开唱衰,到 11 月中旬在几周内连续推出四款 Gemini 4 系列模型并重返榜单前列, Google 内部究竟经历了怎样的调整与积累?

Google 这么多 TPU,怎么也不够用

回到今年夏天,对 Gemini 的唱衰并不是毫无理由。一边是原定 6 月推出的 Gemini 3.5 Pro 迟迟没有上线, Google CEO 桑达尔·皮查伊曾在 5 月的 I/O 大会上预告 Gemini 3.5 Pro 计划于 6 月推出,但该模型最终未能如期发布。

受限于算力约束,加上多位项目负责人之间存在意见分歧,编程等后来显得至关重要的方向在当时获得的资源偏少。此后接掌研发的 Koray Kavukcuoglu 也解释称,团队在那一阶段把更多注意力放在了迭代较快的 Flash 模型上。

Image
Image

在内部资源博弈与外界质疑声中,Google 于 8 月 5 日宣布对 DeepMind 进行重大组织调整:原 DeepMind CTO、Google 首席 AI 架构师 Koray Kavukcuoglu 出任 DeepMind 高级副总裁,直接向皮查伊汇报,全面负责 Gemini 模型开发、前沿研究以及 Gemini 应用和开发者团队。

Image
Image

Demis Hassabis 交出日常运营职责,转任 DeepMind 主席和 Alphabet 首席科学家;与此同时,Gemini 原技术共同负责人 Jeff Dean、Oriol Vinyals,与 Sanjay Ghemawat、Quoc Le 一同离开谷歌,创办了 Discovery Loop。

曾经在多数人的印象里,Google 应该是又不缺数据,又不缺卡,怎么会做不成大模型。但即便 Google 有自己的 AI 芯片 TPU,可训练下一代 Gemini 要用,给眼前的用户生成答案要用,Google Cloud 的客户也在排队。

Image
Image

对集团而言,芯片卖出去了是好生意;对研究员而言,排不上的实验就是做不了。

这次的调整也让整个团队更清楚模型该练什么,做出来怎样交给用户;根据外媒报道,谷歌云高管也希望 Koray 接掌 DeepMind 后,能缓和内部在 TPU 供应分配上的紧张关系。

Gemini 4 的翻身,准备了多久

如果把 Gemini 4几款模型爆发并广受好评的功劳,都算在 8 月的人事调整和算力安排上,显然低估了大模型研发的长周期规律。

公开记录显示,早在 8 月 5 日组织调整和 8 月 7 日看空报告发布之前,Gemini 4 的底座工程就已经在进行中。在 2026 年 7 月 22 日的 Alphabet 二季度财报电话会上,皮查伊明确透露,Gemini 4 已经启动了「Google 迄今最有野心的预训练」。

他在回答分析师提问时进一步表示,管理层已将大量算力和精力集中投入到 Gemini 4 上,目标是依托这一代基础模型加快后续迭代速度,将发布节奏推进到接近每月一版本。

Image
Image

Koray 后来在 9 月初与 11 月 19 日的两场播客访谈中进一步还原了 Gemini 4 的研发机制。在 DeepMind 内部实行多条研发线并行推进,当一组人打磨当前发布版本时,另外两组团队已经在同步开发后续两代模型,因此我们在 10 月看到的 Gemini 4 背后有至少一年的连续研发沿革。

如果说大规模预训练与多线并行提供了底座,那让 Gemini 4 能在编程与智能体执行上取得明显突破的,是一套真实工程场景的后训练体系。

2026 年 11 月 12 日,时任 Gemini 后训练负责人的 Melvin Johnson 在 AI Engineer CODE 大会上,以 SemiAnalysis 的批评文章开场,详细披露了 Google 内部的训练方法。

Image
Image

首先是用内部真实工作流替代静态公开题库。Johnson 透露, Google 内部每天约有 10 万名员工使用编程工具 Antigravity 写代码。每当后训练团队训练出几个候选模型版本,就会在内部发起盲测,让工程师直接用自己手头的真实开发任务去检验、挑选更顺手的版本。

模型在跨文件修改中哪一步卡住、哪一次改坏了既有逻辑,这些真实的「失手现场」会被立刻回收,转化为下一轮训练题与评分细则。

Image
Image

与此同时,团队会果断淘汰「过期题目」。在强化学习中,一旦模型进化到对某道题反复尝试都能稳定拿满分的程度,每次采样得到的奖励信号完全相同,模型就无法从中分辨「哪种做法更好」,这类题目必须撤下,换成更高难度的挑战。

其次是重新定义什么叫「做完了」,并重点关注智能体的诚实度。

在传统代码评测中,只要跑通单元测试就能拿分;但在 Gemini 4 的后训练评分里,团队不仅看功能是否实现,还会考察边界条件处理、代码质量、改动范围是否克制以及后续可维护性。

Image
Image

更重要的是,评分系统会把模型的「自我汇报」与它的实际操作日志逐一核对。如果一道难题只完成了一半,模型如实交代进度依然可以获得部分奖励;但如果它连测试都没运行就声称「全部通过」,就会遭到严厉惩罚。

Johnson 也提到之前在 Google 内部一项高难度工程评测中,基线模型的编造率为 8%,Hydrogen 约为 3%,Carbon 约为 1.5%。

Image
Image

凭借着扎实底座和高强度后训练的推动, Google 从 9 月底到 11 月中旬的短短七周内连续公布了四款 Gemini 4 系列模型。

其中 Hydrogen 和 Neon 都是从 Carbon 适配出来的,Carbon 瞄准需要长时间推理的难题,Hydrogen 追求日常任务的执行速度,Neon 则兼顾推理深度和效率。

Image
Image

回过头看,SemiAnalysis 当时指出的很多问题确实存在,DeepMind 的研究员也没有否认。只是三个月后的结果证明,外界还是低估了 Google 多年积累的研发能力,以及它把这些能力集中投入到一代模型上的速度。

眼下的 Gemini 4,又成了其他模型必须认真面对的竞争对手。Google 不仅把编程、Agent 等能力重新推到了第一梯队,也开始在真实的用户使用和产品体验上,追上 Codex、Claude 这些 Agent。

Image
Image

对于我们来说,这当然是个好消息。御三家争得越厉害,厂商们也愿意投入算力、争夺用户,我们就有机会用上更便宜、更可靠、更容易访问的 AI(哈基米你可别学另外两家)。

推荐文章

The text above was extracted automatically from the source page and may miss images, tables or code blocks. The original is authoritative.

Published by 爱范儿
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗