新智元报道
Argon全面开放才8天，的下一张王牌，就杀进竞技场了！
就在刚刚，谷歌最强的Carbon被曝开测。合作伙伴已经抢先拿到，LMArena上也开了盲测，发布就在眼前。
消息一出，测试者全扑进了Arena。
一天之内，Carbon的实测在X上炸成一片，有人拿它一口气做完了整关超级玛丽。
上一代旗舰的热乎劲还没过，下一代就在门外排队了。
谷歌联创布林说，谷歌开始踏上「RSI的跑步机」，模型正帮着造下一代模型。
超级玛丽一次通关
Carbon的3D强到离谱
Arena上的Carbon，名字还挂着「gemini-4-argon」。测试者认出它的办法说来好笑——就看慢不慢。
网友Harshith发现，挂这个名字的其实有两个模型。一个又快又不错，另一个慢得出奇，作品却真的惊艳，后者才是Carbon。
测评账号Lumina用超级玛丽的提示词，让Carbon做出了一整关游戏。
主角一路顶砖块、吃金币、钻水管，下到地下关再爬出来，最后跳上旗杆、走进城堡，屏幕弹出「COURSE CLEAR」，金币数和评级都结算了出来。
Lumina还把同一道体素宝塔题，交给Argon、Carbon、Opus 5.5和Sonnet 5.5同场比。
在Lumina看来，Carbon的质量明显要高过Argon，只是视任务不同，要慢2到4倍。
网友Synopsis的体素山谷，把画面又往上推了一层。
樱花沿着河岸开，红色拱桥架在水上，木屋亮着灯，一场雨说下就下，整片山谷跟着暗了下来。
网友Salio做了一座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把Gemini的吉祥物交给Carbon，让它做一段讲碳为什么稳定的3D动画。
画面一开始，吉祥物盯着一颗碳-12原子核。随后6个电子按1s²2s²2p²排好，轨道杂化成4个一模一样的sp³瓣，再和邻居共享电子凑满8个，最后搭成一整块金刚石晶格。
chetaslua说，这道题对之前的Gemini模型来说非常难。拿Carbon讲碳，谷歌这次的命名，算是被网友玩明白了。
从碳-12原子核讲到金刚石晶格
开发者Pankaj Kumar则让它做了一个能交互的3D水晶柑橘。
然而，到了SVG这一项，评价就开始分化了。
网友Binkg让Carbon画了一个可乐瓶的SVG，瓶身挂满水珠，标签上的小字和瓶盖都画了出来，旁边还能调霜冻、气泡和背光。
但Haleemah看了一整天的测试后说，Carbon最强的还是3D，好的SVG她还没见到。
SVG之外，前端也还是老问题。Lumina说，Carbon的前端设计和审美依旧平平，缺了Anthropic模型的那股味道。
同一个模型，3D能猛涨，前端却原地踏步，是因为两类题的考法不同。
3D场景里，几何、光照、碰撞全由代码决定，算错一点画面就崩，对不对一眼就能验出来。
前端考的是留白多大、字号几号、按钮放哪，没有标准答案，只有人的偏好。
所以3D能靠算力和强化学习一路往上推，前端却只能靠大量人的反馈慢慢磨。
更慢但不偷懒，Carbon专治Argon的懒病
测试者晒作品时，几乎都会补一句慢，可很少有人抱怨，因为它不偷懒了。
偷懒，偏偏是Argon上线以来被骂得最狠的毛病。它的跑分很漂亮，可开发者上手不到一周，「懒」的名声就传开了。
科技媒体Every测完Argon，给出了5条使用建议，第3条是让大家务必复核它的活。
在38次基准运行里，有17次，Argon把代码审查这一步打开又关上，中间只隔了30毫秒。
同一份建议里还藏着一组数字。把Argon从低推理档拉到高档，用时只变成原来的1.7倍；Opus 5.5拉到高档，要花18倍的时间。
也就是说，叫Argon多想一想，它也没多想多少。
到了Every CEO Dan Shipper的资深工程师基准上，Opus 5.5和Sonnet 5.5都拿了85%，GPT-6 Astra拿了81%，Argon只有21%，在8个模型里垫底。
而到了Carbon这里，情况直接反转。
Business Insider此前曝出，谷歌员工在内部试用Carbon后说，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，先只交给Fairwind计划里的网络安全防御方；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里，他曾表示，现在研究员已经和模型手拉手，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里，AI写的部分都在75%以上。
完全交给AI、人类插话不到3轮的合并请求，也从4月的7.5%涨到了11.9%。
DeepMind每月的代码合并请求，颜色越深，AI写的比例越高
当模型开始帮着造模型，Argon和Carbon挨得这么近，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
编辑：摩西
