这轮反转的主线是:曾在 8 月公开唱衰 Google、写下 "Gemini is cooked(Gemini 完了)" 的知名 AI 研究机构 SemiAnalysis,在 11 月看到 Gemini 4 系列密集发布并重返榜单前列后,于 X 上发布一张《向 Google 道歉专用表》,向 Google DeepMind 主席 Demis Hassabis 认错,划掉当初标题里的 cooked 一词;Hassabis 随后转发接梗表示 "接受道歉"。从 8 月被判断 "重回顶级概率降到零",到 10 月底 Carbon 登顶 Artificial Analysis 综合榜单、11 月八天内连发 Hydrogen 和 Neon,Google 用七周四款 Gemini 4 模型完成了一次舆论反转。 下面把来龙去脉、时间线和技术背景按顺序拆开。
一、道歉事件是怎么发生的
1. 道歉表上写了什么
SemiAnalysis 在 X 上发出一张写给 Demis Hassabis 的《向 Google 道歉专用表》,理由栏勾选了几条带有自嘲色彩的选项:
- 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;
- 我没有阅读模型卡;
- 最后一行写明:"Demis,关于 Gemini 4,我们错了。我们只想撤回一个词。"
他们从当初的标题 "Gemini is cooked" 中划掉 cooked,一句 "Gemini 完了" 变成 "Gemini 这回真做出了点东西"。
2. 双方在 X 上的互动
| 环节 | 内容 |
|---|---|
| Google 研究员回应 | DeepMind 研究员 Arthur Douillard 发帖称,团队曾把那篇批评文章打印出来放在桌上,每天提醒自己当时的实际情况;他感谢 SemiAnalysis 的文章提供的动力 |
| SemiAnalysis 转发 | 转发 Douillard 帖子,同时晒出这张填好的 "道歉表" |
| Hassabis 接梗 | 转发帖子表示 "接受道歉",并打趣对方漏勾了 "低估了 Google DeepMind 这群高手" 这一项 |
| 更早的个人致歉 | 官号发梗图两周多前,看空报告共同作者 Dylan Patel 已在 Gemini 4 Carbon 评测发布后,以个人名义向 Google 公开致歉 |
二、8 月看空报告到底说了什么
1. 报告背景
2026 年 8 月,SemiAnalysis 发文认为:Google 自去年 11 月短暂领先之后,就再没有发布让人激动的模型,基本处于掉队状态。报告给出的主要依据包括:
- DeepMind 强化学习团队走了不少人;
- 内部算力没有分配好;
- 原定 6 月推出的 Gemini 3.5 Pro 迟迟未上线;
- 编程等后来被证明关键的方向,当时获得的资源偏少。
2. 当时的核心判断
报告给出了一个很重的结论: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"。
3. 同期的组织调整
就在看空报告发布前后,Google 于 8 月 5 日宣布对 DeepMind 进行重大组织调整:
| 调整项 | 内容 |
|---|---|
| 研发负责人 | 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 |
| Hassabis 职务 | 交出日常运营职责,转任 DeepMind 主席和 Alphabet 首席科学家 |
| 离开团队 | 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 Discovery Loop |
三、Gemini 4 系列的翻身节奏
1. 发布时间线
| 模型 | 发布节点 | 定位与表现 |
|---|---|---|
| Gemini 4 Argon | 9 月底至 10 月初公布,10 月 13 日模型卡公开 | Gemini 4 首款前沿模型,100 万 token 上下文,面向复杂长程工作流、编程、金融法律研究与网络安全防御 |
| Gemini 4 Carbon | 10 月 28 日发布 | 最强旗舰,擅长长程 Agent 任务;以 59 分登顶 Artificial Analysis Intelligence Index v5.0,超过 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分 |
| Gemini 4 Hydrogen | 11 月 12 日推出 | 主打 Flash,写作和复杂软件工程任务可快速完成 |
| Gemini 4 Neon | 11 月 18 日发布 | 兼顾推理深度与效率,被称为 Gemini 4 系列中综合能力最强的一款;由 Carbon 适配而来 |
从 9 月底到 11 月中旬,Google 在七周内连续公布四款 Gemini 4 系列模型;11 月 12 日到 18 日短短八天内就连发三款。Hydrogen 和 Neon 都基于 Carbon 适配:Carbon 瞄准长时间推理的难题,Hydrogen 追求日常任务执行速度,Neon 兼顾两者。
2. 外部口碑
新模型在社交媒体上获得大量正面反馈,类似 "Gemini 4 Neon 太疯狂了""Neon 比想象中还要疯狂 ""Neon 解决了人们此前对 Gemini 模型的所有不满" 的评论,在 X 上被大量点赞。
四、这次翻身背后的研发准备
1. 底座启动早于舆论和人事调整
- 2026 年 7 月 22 日 Alphabet 二季度财报电话会上,皮查伊已明确透露 Gemini 4 启动了 "Google 迄今最有野心的预训练";
- 管理层把大量算力和精力集中投入 Gemini 4,目标是依托这一代基础模型加快后续迭代,把发布节奏推进到接近每月一版;
- 也就是说,Gemini 4 的底座工程在 8 月 5 日组织调整和 8 月 7 日看空报告之前就已经在进行。
2. 多条研发线并行
Koray Kavukcuoglu 在 9 月初和 11 月 19 日的两场播客访谈中还原了内部机制:DeepMind 内部多条研发线并行推进,一组人打磨当前发布版本时,另外两组团队已在同步开发后续两代模型;10 月看到的 Gemini 4 背后,至少有一年的连续研发沿革。
3. 基于真实工程场景的后训练体系
11 月 12 日,时任 Gemini 后训练负责人 Melvin Johnson 在 AI Engineer CODE 大会上,以 SemiAnalysis 的批评文章开场,披露了内部训练方法:
| 环节 | 做法 |
|---|---|
| 真实工作流替代静态题库 | Google 内部每天约 10 万名员工用编程工具 Antigravity 写代码;候选模型版本先在内部发起盲测,由工程师用手头真实开发任务检验、挑选更顺手的版本 |
| 回收真实 "失手现场" | 模型在跨文件修改中卡在哪一步、哪一次改坏既有逻辑,立刻回收转化为下一轮训练题与评分细则 |
| 果断淘汰过期题目 | 模型对某道题反复尝试都能稳定满分后,奖励信号完全相同,题目无法再区分优劣,就撤下换成更高难度挑战 |
| 重新定义 "做完了" | 不只看单元测试是否跑通,还考察边界条件处理、代码质量、改动范围是否克制、后续可维护性 |
| 重点考察诚实度 | 评分系统把模型的自我汇报与实际操作日志逐一核对;难题只完成一半但如实交代进度可拿部分奖励,没运行测试就声称 "全部通过" 则严厉惩罚 |
在内部一项高难度工程评测中,基线模型编造率为 8%,Hydrogen 约 3%,Carbon 约 1.5%。
五、怎么看这次 "排队道歉"
- SemiAnalysis 当时指出的很多问题确实存在,DeepMind 研究员也没有否认,并未把批评当作全盘否定;
- 三个月后的结果说明,外界低估了 Google 多年积累的研发能力,以及它把这些能力集中投入一代模型上的速度;
- 眼下 Gemini 4 已重新成为编程、Agent 等方向第一梯队的竞争对手,并在真实产品体验上追赶 Codex、Claude 等 Agent 产品;
- 需要注意:榜单排名和单点评测会随版本更新变化,模型实际表现仍要结合具体任务、上下文场景和后续版本迭代判断。
【相关 FAQ】
问题 1:SemiAnalysis 为什么要给 Gemini 道歉,道歉表里写了什么?
回答 1:SemiAnalysis 在 8 月曾发布看空报告,标题 "Gemini is cooked",判断 Google 重回行业顶级概率降到零;10 月底以来 Gemini 4 Carbon 登顶榜单、Hydrogen 和 Neon 陆续获得好评,SemiAnalysis 于是在 X 上发出《向 Google 道歉专用表》,勾选 "只看了 X 消息"" 没读模型卡 "等理由,并写明"Demis,关于 Gemini 4,我们错了,只想撤回一个词 ",划掉了 cooked。
问题 2:Hassabis 有没有接受这轮来自 SemiAnalysis 的 Gemini 4 道歉?
回答 2:有。DeepMind 研究员 Arthur Douillard 先在 X 上表示感谢那篇批评文章的激励,SemiAnalysis 随后晒出道歉表;Demis Hassabis 转发帖子接梗表示 "接受道歉",还打趣对方漏勾了 "低估了 Google DeepMind 这群高手" 这一项。
问题 3:Gemini 4 系列具体发布了哪几款模型,各自定位是什么?
回答 3:Gemini 4 系列包括 Argon、Carbon、Hydrogen、Neon 四款:Argon 是首款前沿模型,主打复杂长程工作流;Carbon 是最强旗舰,擅长长程 Agent 任务并登顶 Artificial Analysis 榜单;Hydrogen 主打日常任务速度;Neon 兼顾速度与智能,综合能力最强,Hydrogen 和 Neon 均由 Carbon 适配而来。
问题 4:8 月那篇看空 Gemini 的报告主要依据是什么?
回答 4:报告认为 Google 自去年 11 月短暂领先后再无激动模型,主要依据包括 DeepMind 强化学习团队人员流失、内部算力分配不佳、Gemini 3.5 Pro 延期未发、编程方向资源投入偏少;报告当时判断 Google 再次达到行业最高水平的概率已经降到零,后来这一判断被 Gemini 4 的密集发布结果推翻。
问题 5:Google 这次 Gemini 4 翻盘,在研发上提前做了哪些准备?
回答 5:Gemini 4 底座在 7 月财报会上就已启动 "迄今最有野心的预训练",早于 8 月人事调整;内部多条研发线并行,同步打磨当前版本和后续两代模型;后训练用内部约 10 万员工的真实编程工作流做盲测,回收真实失误转化为训练题,并把模型诚实度纳入评分,Carbon 的内部编造率已降到约 1.5%。
【参考资料】
- [2026-11-20](给 Gemini 道歉,请自觉排队)爱范儿(今日头条)
- [2026-11-19](「北美大豆包」谷歌,终于杀回 AI 牌桌中央)36 氪
- [2026-10-29](谷歌 Gemini 4 Carbon 登顶第一:综合评分超越 GPT-6,连续数天自主编程)新浪财经
- [2026-10-29](Gemini 4 Carbon 能给谷歌挽尊吗?)新浪财经
- [2026-10-28](Introducing Gemini 4 Carbon)The Keyword(Google 官方博客)
- [2026-10-13](Gemini 4 Argon - Model Card)Google DeepMind
- [2026-09-30](Introducing Gemini 4 Argon)The Keyword(Google 官方博客)
【免责声明】
本文事件经过、模型节奏、榜单评分与研发细节均整理自公开媒体报道、Google 官方博客及模型卡;榜单排名、编造率等数据来自特定时间点的公开评测,会随模型版本和评测口径变化。文中涉及的机构判断、个人致歉和社交媒体互动仅为公开信息记录,不代表对各 AI 模型长期优劣的背书,也不构成任何投资或选型建议。
