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
2026-11-19
三战狂输52分!CBA替补把NBL全虐翻了:靠升降级冲击CBA悬了?
CBA季中杯正式打响,首个比赛日安排了8场比赛,这其中有三支NBL球队出战,分别是江西队、合肥队以及上海玄鸟。原本以为,由于不少CBA主力球员都被抽调到国家队,缩小了CBA与NBL球队的差距。可从现实的情况来看,即便CBA球队雪藏主力,以全替补出战,但还是轻松三杀了NBL三支球队,完全不给对手任何机会。三战狂胜52分,足以看出CBA与NBL的差距有多大。 先说说北控与江西这一场比赛吧,北控主力后卫...
2026-11-19
亚太经合组织第三十三次领导人非正式会议欢迎宴会侧记
新华社深圳11月18日电题:“于道各努力,千里自同风”——习近平主席为出席亚太经合组织第三十三次领导人非正式会议的来宾举行欢迎宴会侧记 新华社记者史竞男、王鹏、徐壮 南海之滨灯火璀璨,鹏城深圳繁花似锦。世界瞩目,亚太大家庭迎来又一个“中国时刻”。 11月18日晚,国家主席习近平和夫人彭丽媛在深圳国际交流中心举行宴会,欢迎出席亚太经合组织第三十三次领导人非正式会议的来宾。 亚太经合组织是亚太地区层级...
2026-11-19
震惊!甘肃男子按摩时撕扯技师丝袜、强行触碰私处,被反抗后打到对方子宫出血,最终只赔3000余元
甘肃定西,男子酒后和朋友一起去按摩,期间男子的手总往女技师衣服里伸,想去摸她的胸,还撕扯她的丝袜。女技师拒绝多次都不管用,忍无可忍打了男子的嘴一下,男子大怒,扬起巴掌往女子脸上连抽三个耳光,还跺了她一脚,导致女子多处受伤,子宫出血。事后,女子起诉男子索赔34547.04元,判决结果让她傻眼了。 这究竟是咋回事? 甘肃定西一家足疗店内,一场由酒后骚扰引发的冲突,随着民事判决书近日在裁判文书网公开,持...
2026-11-19
[流言板]东契奇:格兰姆斯值得拥有球权,他这场表现太精彩
社区 » NBA » 篮球资讯 » [流言板]东契奇:格... [流言板]东契奇:格兰姆斯值得拥有球权,他这场表现太精彩 31回复/ 11亮35007 浏览 虎扑篮球资讯(1280级)楼主2026-11-18 15:47:22发布于上海 [流言板]东契奇:格兰姆斯值得拥有球权,他这场表现太精彩由虎扑篮球资讯 发表在篮球资讯 https://bbs.hupu.com/502 虎扑11月18日讯 今日...