Argon全面开放仅仅8天，谷歌的下一张重要牌面，就已经进入了竞技场！

就在不久前，谷歌最强的Carbon被曝出开始测试。合作伙伴已抢先体验，LMArena上也开启了盲测，正式发布近在咫尺。

消息传出后，所有测试者都涌入了Arena。

一天之内，关于Carbon的实测结果在X上引发了热议，有人用它一口气完成了整关超级玛丽。

上一代旗舰的热度尚未消退，下一代产品就已经在门外排队等候。

谷歌联合创始人布林表示，谷歌已经开始踏上「RSI的跑步机」，模型正在协助构建下一代模型。

超级玛丽一次通关，Carbon的3D能力令人惊叹

Arena上的Carbon，名字仍显示为「gemini-4-argon」。测试者识别它的方法颇为有趣——就看它是否反应缓慢。

网友Harshith发现，挂着这个名字的实际上有两个模型。一个速度尚可且表现不错，另一个则异常缓慢，但产出的作品却令人惊艳，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、收集金币、钻入水管，进入地下关卡后再爬出，最后跃上旗杆、走进城堡，屏幕上显示出「COURSE CLEAR」，金币数和评级也随之结算。

Lumina还将同一道体素宝塔题，交给Argon、Carbon、Opus 5.5和Sonnet 5.5进行同场对比。

在Lumina看来，Carbon的质量明显优于Argon，只是根据不同任务，速度要慢2到4倍。

网友Synopsis创作的体素山谷，将画面质量又提升了一个层次。

樱花沿着河岸绽放，红色拱桥横跨水面，木屋内灯火通明，一场雨突然降临，整片山谷随之暗淡下来。

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自由切换，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，吉祥物凝视着一颗碳-12原子核。随后，6个电子按照1s²2s²2p²排列，轨道杂化成4个相同的sp³瓣，再与邻居共享电子达到8个，最终构建出一整块金刚石晶格。

chetaslua表示，这道题对于之前的Gemini模型来说难度极高。用Carbon来讲解碳，谷歌这次的命名方式，被网友彻底玩明白了。

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这一项上，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、气泡和背光效果。

但Haleemah在观察了一整天的测试后指出，Carbon最强的领域仍然是3D，她还没见到优秀的SVG作品。

除了SVG，前端方面也存在老问题。Lumina表示，Carbon的前端设计和审美依然平平，缺少Anthropic模型的那种风格。

同一个模型，3D能力能大幅提升，前端却原地踏步，这是因为两类题目的考察方式不同。

在3D场景中，几何、光照、碰撞全部由代码决定，计算错误一点画面就会崩溃，对错一眼就能判断。

前端考察的是留白大小、字号选择、按钮位置，没有标准答案，只有人的偏好。

因此，3D可以依靠算力和强化学习不断推进，而前端只能通过大量的人类反馈慢慢打磨。

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。

懒惰，恰恰是Argon上线以来被批评得最严重的问题。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在测试完Argon后，给出了5条使用建议，其中第3条是务必复核它的工作。

在38次基准运行中，有17次，Argon将代码审查这一步骤打开后又关闭，中间只间隔了30毫秒。

同一份建议中还隐藏着一组数字。将Argon从低推理档位拉到高档，用时只变为原来的1.7倍；而Opus 5.5拉到高档，则需要花费18倍的时间。

也就是说，让Argon多思考一下，它实际上也没有多想多少。

在Every CEO Dan Shipper的资深工程师基准测试中，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个模型中排名垫底。

而到了Carbon这里，情况直接反转。

Business Insider此前曾披露，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刚铺开就推出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）。

在最近的一段圆桌对谈中，他曾表示，现在研究人员已经和模型手拉手，一起制作下一版模型了。

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。