# 给 Gemini 道歉，请自觉排队

- 作者：张子豪
- 发布时间：2026-11-20 17:03
- 分类：公司
- 原文：https://www.ifanr.com/1690572

![](https://s3.ifanr.com/wp-content/uploads/2026/11/ccover11.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163932994-1.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163936003-2.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163937741-3.jpg)

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。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163941404-4.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163944059-5.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163946153-6.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163948926-7.jpg)

图｜Google 此前一直在发布 Flash 模型

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163952761-8.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163953917-9.jpg)

图｜Google 庞大的模型业务线

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163955539-10.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163959590-11.jpg)

**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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163962786-12.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163965806-13.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163968988-14.jpg)

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163971897-15.jpg)

图｜我们在 11 月看到的几次密集更新，背后有一部分是同一代底座的研发成果陆续落地。

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](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1795163973534-16.jpg)

图｜Gemini 现在可以在后台操作 Mac 应用和网站，以完成复杂任务。

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）。
