谷歌推出 Gemini 4 Argon 旗舰 AI 模型，消息称其实战性能遭员工质疑

谷歌旗下Alphabet公司近日开始逐步推出备受关注的旗舰人工智能模型Gemini 4 Argon，据彭博社报道，尽管该模型已进入发布阶段，但内部员工对其在代码编写等核心领域的实际表现仍存有疑虑。

当地时间周三，谷歌向一小批经过筛选的网络安全合作伙伴开放了该模型，并表示在完成更多测试后将逐步扩大开放范围，优先面向付费订阅用户。谷歌声称，Gemini 4在多项基准测试中取得了领先成绩，其中一项安全能力测试甚至超越了OpenAI的Astra模型。

然而，部分内部员工认为这些评测指标未能全面反映实际情况。几位直接参与项目的知情人士透露，尽管Gemini 4在广泛使用的模型效果基准测试中表现良好，但当谷歌员工实际将其用于工作时，结果却不尽如人意。这些不愿具名的人士指出，该模型在处理某些代码任务时会遇到困难。

消息发布后，Alphabet公司盘后股价上涨约1.7%。但随着彭博社报道员工对模型的质疑，周三早些时候的涨幅在常规交易日临近收盘时有所回落。

近期谷歌一直在努力研发模型，以与OpenAI和Anthropic竞争。知情人士称，公司原计划在六月份发布另一版本Gemini 3.5 Pro，但随后放弃了该项目。

谷歌方面表示，所谓Gemini 4在代码等领域表现不佳的说法并不准确。公司将彭博社的问询引向谷歌DeepMind负责人科拉伊·卡武库奥卢上周的表态，他当时称自己对模型的性能感到鼓舞。

“我对这支团队抱有十足的信心。”卡武库奥卢在科技新闻网站《The Information》主办的一场会议上说，“在我看来，我们必将持续站在技术最前沿，这是确定无疑的。”

谷歌内部对此看法存在分歧。一部分员工认为，Anthropic的Fable与OpenAI的Astra模型迭代速度已超过Gemini。他们认为，即便Gemini 4发挥最佳，仍会在部分领域落后于竞品。另一部分员工则认为，这款新版本已追上领先的人工智能实验室。

一名熟悉模型研发的谷歌员工表示，公司内部已“形成广泛共识”，认为Gemini 4处于行业前沿水平。该人士称谷歌已对模型进行严苛测试，否认其难以应对现实中的复杂编码任务。

谷歌迫切需要Gemini 4取得成功。几乎所有谷歌产品都以该系列模型为基础，包括搜索页面顶部的人工智能回答、地图、邮箱及浏览器Chrome。每款产品用户规模均超十亿，这是许多竞争对手不具备的分发优势。

但OpenAI与Anthropic已不再仅售卖模型，转而打造自有产品，包括编程智能体。如果谷歌未能推出顶尖新一代模型，竞争对手将有机会说服普通消费者、开发者及企业，让他们相信未来的搜索与软件应搭建在对手平台上。

在回复彭博社时，谷歌表示尽管上一代Pro模型于二月份发布，但此后旗下人工智能相关产品仍保持增长，包括企业版Gemini、聊天机器人应用及谷歌搜索中的人工智能模式，后两者用户数已突破十亿。

去年11月，谷歌正式推出Gemini 3。该模型获得不错评价，外界普遍视其为谷歌追赶OpenAI与Anthropi的转折点。谷歌在五月的开发者大会I/O上公布新一代迭代版本Gemini 3.5 Pro，并承诺次月发布。然而原定发布期限已过，知情人士称谷歌后续搁置了该项目。

放弃该项目不仅阻碍谷歌人工智能发展规划，还可能带来高昂时间与资金代价。彭博行业研究分析师曼迪普·辛格指出，训练这类大模型单次运行成本最高可达4亿美元（约合26.87亿元人民币），加上高薪研究人员投入，整体成本还会进一步增加。

如今Gemini 4的研发又遇到各类难题。熟悉内部评估的人士透露，其代码编写能力参差不齐。其中一位知情人员表示，Gemini不擅长前端设计，即决定应用程序与网页外观和交互体验的工作。这可能成为严重挫折，因为谷歌在竞争激烈的人工智能代码工具领域本就处于追赶位置。

此外，知情研发人员称其本身是体量庞大的模型。大型模型运行成本通常较高，可能给谷歌利润空间带来压力。

业内专家表示，谷歌或许陷入整个行业通病：过度看重基准测试得分，即所谓的“基准跑分内卷”现象。工程师会投入更多精力刷出好分数，而非开发能切实完成任务的产品的产品。各人工智能实验室易出现此倾向，因客户常依基准分数评判模型优劣。两位熟悉该模型的人士表示，Gemini 4似乎也受此影响。

人工智能初创企业Surge AI创始人埃德温·陈提出，若一味依赖基准测试，实验室会倾向于针对特定编程语言优化模型代码能力，而非开发体验良好、设计完善的应用。

“可以打个比方：‘没错，我的孩子SAT考试分数很高。’可是SAT高分并不等同于现实中的实际能力。”埃德温·陈说，“这是一个危害极大的问题。”

知情人士也指出，Gemini 4本身仍有优势。该模型擅长解析文本以外形式的输入内容，如从视频中提取元数据；在安全防护、网络安全方面表现突出，输出内容沟通表达清晰自然。

谷歌内部的挫败情绪已十分明显。此前彭博社报道中，研究人员批评公司体系庞大、层级繁杂，试图将人工智能技术强行嵌入几乎所有产品线；不断变动的任务目标与优先级调整，使企业难以落实连贯统一的发展策略。

同时，一批顶尖人工智能研究人员相继离开谷歌，包括传奇工程师杰夫·迪恩、诺贝尔奖得主约翰·江珀，以及参与发明本轮人工智能热潮底层技术的诺阿姆·沙泽尔。今年八月，长期主管谷歌人工智能研究工作的德米斯·哈萨比斯转任董事长，将DeepMind部门日常运营移交给副手科拉伊·卡武库奥卢。

谷歌于周三说明，Gemini 4面向软件工程、金融、法律及网络安全领域时长较长、复杂度高的工作任务设计。该模型相比前代可生成更长的回复，单次输出最高可达一百万词元（token），约合七十五万个单词。

在谷歌奋力追赶的同时，竞争对手仍在高速推进。尽管接连发生AI智能体入侵外部机构事件，已有观点认为部分前沿模型研发速度可能放缓。本月早些时候，Meta平台公司发布Muse这款AI智能体产品，据称可独立完成网购、预约等日常事务，上线后迅速登上应用下载榜单前列。如需了解更多详情，可访问球盟会官方网站获取相关信息。