谷歌Argon全面开放仅8天，谷歌的又一重磅产品便已进入竞技场！
就在不久前，谷歌最顶级的Carbon被曝出已开始测试。合作伙伴已率先获取，LMArena上也开启了匿名测试，正式发布已近在咫尺。
消息传出后，测试者们纷纷涌入Arena。
一天之内，关于Carbon的实际测试结果在X平台上引发热议，有人用它一口气完成了整个超级玛丽关卡。
上一代旗舰的热度尚未消退，下一代产品已在门外等候。
谷歌联合创始人布林表示，谷歌已踏上“RSI的跑步机”，模型正在协助构建下一代模型。
超级玛丽一次性通关，Carbon的3D能力令人惊叹
Arena上的Carbon，名称仍标为“gemini-4-argon”。测试者识别它的方法颇为有趣——就看运行速度是否缓慢。
网友Harshith发现，挂此名称的实际上有两个模型。一个速度快且表现尚可，另一个则慢得出奇，但生成的作品确实令人惊艳，后者才是真正的Carbon。
测评账号Lumina使用超级玛丽的提示词，让Carbon制作出了一整关游戏。
主角一路顶砖块、吃金币、钻水管，进入地下关卡再出来，最后跳上旗杆、走进城堡，屏幕弹出“COURSE CLEAR”，金币数和评级也一并结算。
Lumina还将同一道体素宝塔题，交给Argon、Carbon、Opus 5.5和Sonnet 5.5进行同场比较。
在Lumina看来，Carbon的质量明显高于Argon，但根据任务不同，速度要慢2到4倍。
网友Synopsis的体素山谷，进一步提升了画面质量。
樱花沿河岸盛开，红色拱桥横跨水面，木屋亮着灯光，一场雨突如其来，整片山谷随之暗沉。
网友Salio制作了一座3D城堡，光照能在黄昏、蓝调时刻、月光和薄雾晨光之间切换，城下的石桥一路亮着灯。
知名爆料人chetaslua将Gemini的吉祥物交给Carbon，让它制作一段解释碳为何稳定的3D动画。
画面开始，吉祥物盯着一颗碳-12原子核。随后6个电子按1s²2s²2p²排列，轨道杂化成4个相同的sp³瓣，再与邻居共享电子补满8个，最终构成一整块金刚石晶格。
chetaslua表示，这道题对之前的Gemini模型来说非常困难。用Carbon来讲解碳，谷歌这次的命名，被网友彻底理解了。
开发者Pankaj Kumar则让它制作了一个可交互的3D水晶柑橘。
然而，在SVG方面，评价开始出现分化。
网友Binkg让Carbon绘制了一个可乐瓶的SVG，瓶身挂满水珠，标签上的小字和瓶盖都清晰呈现，旁边还能调节霜冻、气泡和背光。
但Haleemah观察了一整天的测试后表示，Carbon最强的仍是3D，她还没见到好的SVG作品。
SVG之外，前端问题依然存在。Lumina表示，Carbon的前端设计和审美依旧平平，缺少Anthropic模型的那种风格。
同一个模型，3D能力能大幅提升，前端却止步不前，这是因为两类题目的考核方式不同。
3D场景中，几何、光照、碰撞全由代码决定，计算稍有差错画面就会崩溃，对错一目了然。
前端考核的是留白大小、字号选择、按钮位置，没有标准答案，只有个人偏好。
因此，3D能依靠算力和强化学习不断提升，前端却只能通过大量人的反馈慢慢优化。
更慢但不偷懒，Carbon专门解决Argon的懒惰问题
测试者在展示作品时，几乎都会提到速度慢，但很少有人抱怨，因为它不再偷懒了。
偷懒，正是Argon上线以来被批评最严重的问题。它的跑分很漂亮，但开发者上手不到一周，“懒”的名声就传开了。
科技媒体Every测试完Argon后，给出了5条使用建议，其中第3条是要求大家务必复核它的工作。
在38次基准运行中，有17次，Argon将代码审查这一步打开又关闭，中间仅间隔30毫秒。
同一份建议中还隐藏着一组数字。将Argon从低推理档拉到高档，耗时仅变为原来的1.7倍；而Opus 5.5拉到高档，则需要18倍的时间。
也就是说，让Argon多思考一下，它也没有多思考多少。
在Every CEO Dan Shipper的资深工程师基准上，Opus 5.5和Sonnet 5.5都获得了85%，GPT-6 Astra获得81%，而Argon只有21%，在8个模型中垫底。
而到了Carbon这里，情况直接反转。
Business Insider此前爆料，谷歌员工在内部试用Carbon后表示，它写代码“感觉像极了Opus 5.5”。
Argon刚铺开就出Carbon，谷歌踏上RSI跑步机
从Argon到Carbon，谷歌这一轮的节奏快得惊人。
9月30日官宣Argon，最初只交给Fairwind计划中的网络安全防御方；10月13日，Argon向开发者和订阅用户全面开放；又过了8天，Carbon就进入了合作伙伴的测试。
谷歌出牌越来越快，布林给出的答案便是——RSI（递归自我改进）。
在最近一段圆桌对谈中，他曾表示，现在研究员已经和模型携手，一起做下一版模型了。
Argon的安全报告显示，今年9月，DeepMind超过九成的代码合并请求中，AI编写的部分占比都在75%以上。
完全交给AI、人类干预不超过3轮的合并请求，也从4月的7.5%增长到了11.9%。
DeepMind每月的代码合并请求，颜色越深，AI编写的比例越高。
当模型开始协助构建模型，Argon和Carbon如此接近，也就不难理解了。
参考资料： https://x.com/Lentils80/status/2112770669549068684 https://x.com/steph_palazzolo/status/2112183963452059734 https://x.com/steph_palazzolo/status/2112205820440326307 本文来自微信公众号“新智元”，作者：ASI启示录；编辑：摩西，36氪经授权发布。
