作者|冬梅 AI 大模型的竞争,正在从谁更会回答问题,转向谁能真正完成一项复杂工作。 刚刚,Google CEO Pichai 在 x 上宣布,内部旗舰模型 Gemini 4 Carbon 正式向开发者、企业、科研人员和消费者扩大开放。 距离这款模型首次亮相,才刚不到两周。 10 月 28 日,Google 首次公布 Carbon 时,重点展示了其在网络安全、软件工程和长程任务方面的能力,但使用范围主要限制在特定网络安全防御团队。如今,这款模型终于走出受限测试阶段,开始进入 Google AI Studio、Gemini for business、Google Antigravity,以及面向 Google AI Ultra 订阅用户的 Gemini 应用和搜索 AI Mode。 这次开放,相比此前大模型发布时强调知识问答、数学推理和代码生成能力,Google 这次将真实工作场景放在了更显眼的位置。 1 Gemini 4 Carbon 全面开放,三项 Agent 评测第一 根据官方披露,Gemini 4 Carbon 在 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 三项面向真实工作流程的评测中均排名第一,完成任务的成本比表现次优的外部模型低超过 2 倍。这三项评测分别涉及 AI 编程、信息检索与复杂任务执行,以及跨企业应用的业务流程自动化。 其中,Zapier AutomationBench 测试模型能否在真实业务工具和工作流中完成自动化任务。Google DeepMind 公布的成绩显示,Carbon 得分为 53.9%,超过 Gemini 4 Argon 的 51.3%、Claude Opus 5.5 的 42.5% 和 GPT-6 Astra 的 41.4%。 在更加偏向代码和系统操作的 Terminal-Bench 4.0 测试中,Carbon 取得 65.2% 的成绩,高于 Argon 的 57.1% 和 GPT-6 Astra 的 59.1%。 在面向长上下文推理的 GraphWalks 测试中,Carbon 的 F1 分数达到 96.2%,而 Argon 为 84.2%。这项测试的上下文范围为 256K 至 1M Token,主要考察模型在长距离信息关联与图结构搜索任务中的表现。 但值得注意的是,这些成绩并不意味着 Carbon 已经全面领先竞争对手。 Anthropic 于 11 月 9 日发布 Claude Fable 5.2 后,Artificial Analysis 的最新综合评测排名已经发生变化。在其发布版本对比中,Claude Fable 5.2 最高推理配置的 Intelligence Index 得分达到 65,而 Gemini 4 Carbon 的 high 配置得分为 60。 在 FrontierSWE v2 真实软件工程任务中,Claude Fable 5.2 取得 69.9%,Carbon 则为 61.2%。也就是说,不同模型在代码修改、终端任务、企业工作流和长程推理等场景中的表现已经出现明显分化。 所以 Carbon 在部分 Agent 任务中的优势,并不能说明其编程能力全面第一。 此外,Google 官方也明确指出,Gemini 4 Argon 仍然更适合大多数常规软件工程和知识工作任务,Carbon 则主要用于需要深入推理、复杂调试和长时间验证的高难度工作。 而 Google 此次强调的另一项指标是任务成本。 按照官方说法,在上述三项工作流评测中,Carbon 的单任务成本比表现次优的外部模型低超过 2 倍。 对于需要频繁调用模型、执行大量工具操作的企业而言,这一指标可能比单纯的基准测试得分更有现实意义。 2 一条指令调度整个 Agent 团队,Google Antigravity 开始“群体作战” 比评测成绩更值得关注的,是 Google 对 AI 编程工作方式的改变。 在此次发布中,Google 宣布为 Antigravity 预览推出 /swarm 功能。简单来说,开发者不再需要让一个 Agent 独立完成所有工作,而是可以通过一条提示词,调度多个 Agent 同时处理不同任务,并实时查看各自的执行进度。 这些 Agent 可以承担不同角色。 例如,让 Carbon 负责复杂的软件架构设计、任务协调及代码审查,再把相对简单的工作分配给速度更快、成本更低的模型。多个 Agent 可以在隔离的工作空间中并行执行任务,还可以引入专门负责对抗性验证的 Agent,对代码修改结果进行检查。 这样的设计,试图解决当前 AI 编程面临的一个现实问题:即使单个模型的编程能力越来越强,它仍然可能在长时间执行任务时偏离目标,或
2026-11-17
小伙捡漏低价RTX 5080显卡:订单竟自动确认收货 最终被骗15800元
快科技11月16日消息, 据“平安西湖”公众号消息,杭州西湖区居民小杨(化名)近日因轻信短视频中的低价显卡信息,遭遇电信网络诈骗,损失15800余元。 近期,受AI算力需求挤占产能、原材料成本上升等因素影响,内存、显卡等电脑配件价格出现波动。一些不法分子趁机打着“降价出售”“低价货源”的旗号,诱导消费者下单。 11月5日,小杨在家刷手机时,看到一条声称RTX 5080显卡降价万元出售的视频。 心动...
2026-11-17
上海四年流失60万人!年轻人纷纷撤离,真相根本不是房价那么简单
近几年,上海人口流动数据的变化,成为社会热议的经济现象。 最新人口统计显示,2020至2024四年时间,上海外来常住人口减少六十万。 持续多年的人口净流入趋势首次出现明显松动,让外界产生诸多解读。有人认为上海城市吸引力下降,也有人将人口流失归因于生活成本过高。 单纯将人口波动归结为城市竞争力问题,是片面且表层的判断。 上海年轻人陆续离开的现象,本质不是一城一地的问题,它是全国人口结构剧变、经济模式...
2026-11-17
广州最远的3条公交线,一趟4块钱坐63公里,不少本地人没坐过
4块钱,63公里,从北京路一路坐到南沙。听起来像句玩笑,可广州真有这么一趟公交。地铁快是快,可车窗外面一闪而过,什么也看不清。有几条公交线,从老城区一头扎到城市边上,单程五六十公里,票价还不够买一杯奶茶。挑个不赶时间的下午,从总站上车,找个靠窗的位置坐下,窗外的高楼慢慢变成田野,再变成山,一个下午就这么过去了。 往南,4块钱从北京路坐到南沙 南沙K8路的起点在越秀区广仁路,离北京路步行街不远,坐地...
2026-11-17
借运:凡是有人向你讨要这五样东西,千万守住,不是小气是护身
大家好我是市井杂谈,每天给大家带来最新动态 ,内容随缘更,每篇都掏干货;如果你觉得这些信息对生活有用,就点个关注~ 很多人听过“借运”这个说法,第一反应就是迷信,觉得只是老辈人的口头传言。其实抛开玄学那部分,这句话背后藏的是人情边界。生活里总有一类人,自己状态不顺、日子过得吃力,不去想着踏实改变,反倒习惯性向身边人索取,一点点消耗别人的精力、隐私、资源。老人口里说的“借运”,放到今天来看,本质就是...