刚刚,谷歌 Gemini 4 Carbon 全面开放:一夜重写 OpenCode 桌面应用、多项复杂编程评测登顶
FIELD
NOTE

ARTICLE DETAIL

最新动态

从事实、趋势与实践出发,为您梳理文章中的关键信息,帮助读者更高效地理解内容重点。

ORIGINAL REPORT

刚刚,谷歌 Gemini 4 Carbon 全面开放:一夜重写 OpenCode 桌面应用、多项复杂编程评测登顶

新球体育比分中心-足球篮球即时赛况编辑部
743 阅读
约 5.5 分钟

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

about image
分享这篇内容

让更多人看到有价值的信息

返回资讯列表

YOU MAY ALSO LIKE

推荐阅读

继续浏览平台精选内容,发现更多行业观察。

TRENDING NOW

热点内容

从正在发生的行业事件到读者关注的热门话题,我们将值得关注的内容集中呈现,方便您快速了解当前讨论焦点。

查看全部资讯
丹克斯:于帕长期以来被低估了;为卡尔和整个团队高兴

HOT / 1

丹克斯:于帕长期以来被低估了;为卡尔和整个团队高兴

北京时间11月4日,欧冠联赛阶段第4轮,马德里竞技0-2拜仁慕尼黑。赛后,拜仁助理教练丹克斯出席了发布会。 恭喜球队取得胜利。你如何评价球队今天的表现?过去几天,外界一直在讨论伦纳特-卡尔。你如何评价他的表现,以及他进球后的庆祝动作? 丹克斯: 我对球队今天的整体表现非常满意。我认为我们在比赛各个方面都做得非常出色。 无论是全队协同防守、最终零封对手,还是进攻端创造机会,我们都表现得很好。我对全队

iPhone Duo 2原型图流出:三摄加身,机身还能更薄吗?

HOT / 2

iPhone Duo 2原型图流出:三摄加身,机身还能更薄吗?

苹果首款折叠屏手机上市大约两周,网上的注意力已经转向了它的下一代。本周,X平台上出现了一组据称是iPhone Duo 2原型的图片,发布者是爆料者Majin Bu。图片里最显眼的变化是:背面摄像头从两颗变成了三颗。 如果这颗多出来的镜头是长焦,那它补上的正是 1999美元 初代Duo最明显的缺口。不过照片本身没有交代机身厚度,所以“更薄”这件事,目前还只能停留在猜测层面。 从图片看,Duo 2沿用

布莱顿2-0布伦特福德升至次席,桑德兰点球1-0切尔西

HOT / 3

布莱顿2-0布伦特福德升至次席,桑德兰点球1-0切尔西

英超赛场,布莱顿主场 2比0 击败布伦特福德,升至积分榜第二位。这是他们本赛季10场比赛中的第7场胜利,距离榜首、卫冕冠军阿森纳还差5分。 为法比安·许尔策勒的球队建功的是迭戈·戈麦斯和帕斯卡尔·格罗斯,比赛在阿梅克斯球场进行。布莱顿的出色开局仍在延续,正成为本赛季最令人意外的故事。 利物浦止住连败,客场 3比1 战胜水晶宫。此前他们在联赛中输给阿森纳、在欧冠中不敌费内巴切,遭遇两连败。本场亚历克

开拓者主场啃下湖人,杨瀚森3分钟里演完一出“天才与凡人”的剧本,这球看得人心脏疼

HOT / 4

开拓者主场啃下湖人,杨瀚森3分钟里演完一出“天才与凡人”的剧本,这球看得人心脏疼

开拓者主场啃下湖人,杨瀚森3分钟里演完一出“天才与凡人”的剧本 这球打得,看得人心脏疼。说的不是比分,是杨瀚森那短短3分01秒。波特兰摩达中心,开拓者对湖人,比赛本身没什么好说的,但杨瀚森在场上的每一秒,都像在坐过山车。 第三节还剩4分12秒,杨瀚森在左侧底角接球。面前是谁?沃克·凯斯勒。 一年前让杨瀚森吃尽苦头的护框手,新秀赛季面对他,杨瀚森动作迟疑、出手仓促,完全占不到便宜。 凯斯勒赛后自己都

战平阿森纳后,伦敦城雌狮主帅:我们敢在这里冒险

HOT / 5

战平阿森纳后,伦敦城雌狮主帅:我们敢在这里冒险

北京时间周日,伦敦城雌狮在酋长球场1比1战平阿森纳。主帅埃德尔·马埃斯特雷赛后表示,球队在大场面下的表现值得肯定。 比赛第10分钟,弗里达·马努姆为阿森纳首开纪录,但伊索贝尔·古德温随即扳平比分,帮助球队带走一分。马埃斯特雷在赛后接受媒体采访时说:“考虑到这场比赛周围的所有因素,我们的表现是到位的。我认为我们有机会拿到更好的结果,但也要理解阿森纳同样创造了机会,所以这是一场非常开放比赛。我们在比赛