谷歌于本周发布新一代模型Gemini 4 Carbon，官方称其在17项基准测试中有15项取得最高成绩，并在Artificial Analysis智能指数评测中以58分反超Claude Opus 5.5和GPT-6 Astra，重回全球第一。但与榜单成绩形成反差的是，伴随新模型及第三季度财报发布，Alphabet盘后股价一度下跌约10％，市值蒸发3000至4000亿美元，若次日开盘延续跌势，将创下谷歌历史上单日市值损失的最高纪录。
Gemini 4 Carbon并非全新预训练的下一代旗舰模型，而是在两周前发布的Gemini 4 Argon底座上进行的专项增强版本。这一发布节奏延续了谷歌近期的密集迭代策略：两周前推出Gemini 4 Argon，此次发布Carbon，加上此前发布的Genie 4世界模型，谷歌正以近乎每周一款的频率刷新模型产品线，与其过去两年一代的大版本发布习惯形成明显差异。
从能力定位看，Carbon主打安全能力与长任务能力。谷歌公布的数据显示，该模型在漏洞发现、利用验证、补丁修复全环节实现领先；在代码修复方面，SWE-sweep评测得分从Gemini 4 Argon的4.3％提升至9.6％，Terminal-Bench得分提升8.1％至65.2％，超长文本处理评测GraphWalks得分96.2％，高于竞争对手最高的71.8％。谷歌方面表示，该模型可连续运行数天，处理大型代码库和底层系统中的多步骤工程任务。
但在用户感知最强的通用赛道，Carbon仍存在短板。软件工程测试FrontierSWE 2中，Carbon以61.2％落后于GPT-6 Astra的65.5％和Claude Opus 5.5的62.3％；电脑操作测试OSWorld-2.1中，Claude Opus 5.5得分87.2％，Carbon以81.5％排名第二；专业知识工作类评测中，Carbon也未与竞品拉开差距，部分场景落后。更值得关注的是幻觉率的变化：在Artificial Analysis的AA-Omniscience知识评测子集中，Carbon的幻觉率从Gemini 4 Argon的4％上升至11％。对于有合规与可靠性要求的企业客户而言，这一指标直接影响模型的可采购性。
市场对榜单成绩的冷淡反应，与谷歌此前的发布记录有关。Gemini 4 Argon发布时，官方曾宣称其具备行业最低幻觉率，能扭转Gemini家族在智能体与代码实操上的弱势，但随后有报道称该模型在实际任务中表现不及榜单分数，尤其在前端设计方面较为吃力。此次Carbon发布还限制了开放对象，用户暂时无法直接体验，进一步加剧了外界对评测分数与实际可用性之间差距的质疑。
高频迭代的背后是谷歌在技术路线上的主动调整。据谷歌CEO桑达尔·皮查伊在播客访谈中披露，团队在年中对3.5系列研发进行复盘后判断，智能体与编程能力是当前前沿竞争的核心胜负手，而谷歌在这两个方向存在明显短板。为此，谷歌放弃原计划中的Gemini 3.5 Pro，转而以体量更小、算力成本更低、迭代更快的Flash模型集中攻坚，在3个月内连续推出3.5至3.8四代Flash版本，跑通快速迭代流程，再将沉淀的能力通过后训练整合进Gemini 4 Argon。这意味着谷歌的发布策略正从追求能力全面成熟的大版本模式，转向按任务领域拆分、成熟即发布的渐进式路径。
对谷歌而言，这一转向的代价已经体现在资本市场上。在模型能力竞争进入智能体与编程实操阶段的当下，基准分数与真实体验之间的落差正在成为企业采购决策的关键变量。Carbon能否在开放使用后兑现榜单承诺，将决定谷歌这轮密集发布是重建信任，还是进一步消耗市场耐心。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
