For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh/articles/gemini-4-carbon-leak-opus-5-level-coding-37ad58b2.md.
Gemini 4 Argon 仍处于有限范围内的推出阶段，但 Google 员工已经在测试更新的内部 Gemini 4 检查点版本。
Gemini 4 Argon 仍处于有限范围内的推出阶段，但 Google 员工已经在测试更新的内部 Gemini 4 检查点版本。
其代号是 Carbon。
Business Insider 于 2026 年 10 月 9 日报道称，Google 员工最近已经通过内部编码平台 Jetski 获得了 Carbon 的访问权限。该报道基于该媒体看到的内部文件、截图和员工通信。
一名测试过该模型的员工表示，Carbon 在编码方面：
“感觉像 Opus 5.5”
但该员工同时提醒，仍需要进行更多测试。
这是目前最有可靠来源支持的说法。
Google 尚未宣布 Carbon 是一款公开模型。对于内部测试以及 Carbon 是否会成为公开发布版本的问题，Google 拒绝向 Business Insider 置评。
原报道进一步将 Carbon 的进展与**递归自我改进（recursive self-improvement，简称 RSI）**联系起来。
有真实证据表明 Google 对 RSI 感兴趣。路透社 8 月报道称，Google 联合创始人 Sergey Brin 一直在推动将资源投入 Google 内部的递归自我改进工作。
但目前还没有公开的技术证据表明 Carbon 自主改进了自身的模型权重，或在没有人工干预的情况下反复进行再训练。
因此，更谨慎准确的说法是：
Carbon 作为一个据报道存在的内部检查点版本：
来源可靠
Carbon 在编码方面感觉接近 Opus 5.5：
由一名员工报告，仍属初步说法
Google 对 RSI 感兴趣：
来源可靠
Carbon 证明 Google 已实现自主 RSI：
尚未得到证实
这一地区分很重要，因为即使不把它夸大成 Google 尚未做出的声明，这次实际泄露本身也已经具有重要意义。
Google 于美国时间 2026 年 9 月 30 日正式宣布 Gemini 4 Argon。
由于部分亚洲时区已经进入 10 月 1 日，该公告在一些亚洲时区显示为 10 月 1 日发布，这也解释了原报道为何将 10 月 1 日作为发布日期。
Argon 是 Google 当前面向以下场景的前沿 Gemini 4 模型：
但 Argon 并未向普通用户广泛开放。
Google 首先通过其 Fairwind 计划，向一组经过筛选的可信网络安全防御人员提供访问权限。
该公司表示，开发者、企业和消费者将在之后获得访问权限，首先覆盖付费 API 客户和 Google AI Ultra 订阅用户。
截至 10 月 12 日，Google 仍未为更广泛的推出提供明确日期。
这正是 Carbon 泄露显得不同寻常的原因。
在大多数开发者还无法使用 Argon 之前，Google 员工已经在内部试用另一个被部分测试者认为更强的检查点版本。
原报道还提到了社区发现的线索：Google 的 Antigravity 环境中出现了 Gemini 4 Argon 的相关引用。
TestingCatalog 分享的一张截图描述了隐藏的 Argon 引用，并显示低、中、高三种推理级别。
这应被视为发布前的界面证据，而不是官方发布公告。
Google 当前公开的 Antigravity 模型文档仍未将 Gemini 4 Argon 列入一般可用的推理模型。
因此，最准确的解读是：
Google 似乎正在为 Argon 准备产品界面，但隐藏的引用并不能确定公开发布日期。
同样的原则也适用于 Carbon。
内部可见性并不等同于公开可用性。
原报道称 Carbon 是“Argon 之后的下一代版本”。
但 Business Insider 的报道更加谨慎。
该报道将 Carbon 描述为 Gemini 4 的新版本，可能是与 Argon 相关的更新版本或检查点版本。
这一点很重要，因为 Google 的内部代号并不一定与公开产品名称一一对应。
Business Insider 报道称，另一个名为 Barium-B 的内部检查点版本最终被选为以 Gemini 4 Argon 名义公开发布的模型。
这意味着类似下面这样的内部序列：
Argon
Barium
Carbon
并不一定意味着存在三个独立的公开模型代际。
Carbon 最终可能成为：
目前 Google 尚未对此作出说明。
最具体的能力说法来自 Business Insider 引用的一名 Google 员工。
该员工表示，Carbon 在编码方面“感觉像 Opus 5.5”。
报道还称，这名员工希望在得出更强结论之前进行更多测试。
这一保留意见很重要。
“感觉像”并不是基准测试结果。
它可能反映：
但它无法告诉我们 Carbon 在 DeepSWE、Terminal-Bench、FrontierSWE 或独立编码 Agent 排行榜上的表现。
Carbon 目前没有官方基准测试表。
它也没有公开 API、模型卡、定价、上下文窗口规格或安全报告。
因此，目前最有依据的标题表述是：
一名 Google 内部测试者表示，Carbon 的编码体验感觉可以与 Claude Opus 5.5 相比。
任何更强的说法，目前都超出了现有证据范围。
原报道呈现了 Argon 相关争议中已经存在的一种张力。
Google 官方发布基准测试显示，Argon 在多个领域取得了出色结果。
例如：
DeepSWE v1.1：
Gemini 4 Argon — 77.9%
Google 称其在该基准测试中达到了业界领先水平。
Varun Mohan 分享的一张截图还显示，在 Antigravity 测试框架下，Argon 在 Artificial Analysis Coding Agent Index 上取得了较好成绩。
与此同时，Google 自己的基准测试集合并没有显示 Argon 在所有编码任务中都取得第一名。
对 Google 表格的独立汇总指出，Claude Opus 5.5 在一些高度依赖终端操作和软件工程能力的评测中仍然领先。
这与 Business Insider 的报道相吻合：一些早期内部测试者认为，较早的 Argon 检查点版本在困难编码任务上落后于竞争对手。
换句话说：
Argon 的基准测试实力：
真实存在
Argon 在编码领域全面领先：
尚未得到证实
Carbon 在 Google 内部的吸引力，似乎在于它可能弥补其中一些实际编码能力差距。
Business Insider 表示，Google 正在内部测试多个 Gemini 4 变体或检查点版本，其中包括 Barium 和 Carbon。
这让人感到 Google 正在运行非常快速的迭代循环。
原报道开玩笑说，Google 已经迷上了元素周期表：
Argon
Barium
Carbon
这个玩笑有一定效果，但背后的问题更加严肃。
Google 似乎正在运行这样一种开发流程：多个检查点版本先经过评估、内部试用和对比，然后其中一个才会成为公开产品。
据报道，Barium-B 最终成为公开发布的 Argon，这提醒我们：
内部检查点名称是开发过程中的产物，并不是可靠的产品路线图标签。
即使未来没有任何公开产品被命名为“Gemini 4 Carbon”，Carbon 仍然可能具有重要意义。
随后，原报道转向了故事中最具推测性的部分：递归自我改进。
从最强的定义来看，RSI 是指 AI 系统帮助改进用于创建更强继任者的过程，而这个更强的继任者又能更好地帮助改进下一个继任者。
简化后的循环如下：
模型帮助改进模型构建流程
→ 生成更强的模型
→ 更强的模型提供更好的想法、代码、数据或评估
→ 生成另一个更强的模型
→ 循环重复
如果这个循环足够自主且可靠，进展速度可能会大幅加快。
这也是 RSI 经常出现在快速 AI 起飞讨论中的原因。
但这个术语可以描述非常不同的情形。
这类工作流可能包括让 AI 协助研究人员：
人类仍然负责选择实验、运行训练、验证结果，并决定最终发布什么。
更强的说法应当是：
AI 设计改进方案
→ 修改自身训练流程
→ 重新训练或创建继任者
→ 评估继任者
→ 自主重复这一循环
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
目前没有公开证据表明 Carbon 正在进行这一过程。
重要的细节是，RSI 并不是原报道凭空创造出来的概念。
路透社 8 月报道称，Sergey Brin 一直在敦促 Google 员工进一步推动 Gemini，并利用自身影响力将资源导向递归自我改进。
路透社将其描述为技术能够在没有人类干预的情况下进行改进的阶段。
这意味着 RSI 确实是 Google AI 工作中的一个真实主题。
Carbon 报道出现后，一名 Google DeepMind 员工在讨论 Google 快速迭代速度时，也在公开场合提到了递归自我改进。
原报道将此作为 Carbon 改进由 RSI 驱动的证据。
更好的解读是：
快速的检查点迭代节奏与 AI 辅助模型开发相一致，而且已知 Google 对 RSI 感兴趣。但这两点都无法揭示 Carbon 究竟是如何训练的。
Carbon 的能力可能来自：
在没有技术披露的情况下，我们无法将这些因素区分开来。
原报道称，如果一个达到 Opus 5.5 级别的编码模型每天 24 小时改进自身，随后可能出现指数级智能爆炸。
这是一种理论外推，而不是 Carbon 已被观察到的属性。
要让递归改进可靠地叠加，每一代模型都必须在不引入不可接受回归的情况下，改进研发流程中的重要部分。
真实的模型开发还受到许多约束，而仅仅提升编码能力并不能消除这些约束：
编码模型能力大幅提升，对 AI 研究自动化具有高度相关性。
但这本身并不是失控式递归改进已经发生的证据。
原报道收录了一些质疑者的反应，他们怀疑 Carbon 是否真的说明了任何有关 RSI 的事实。
其中一种反应直接指出了核心问题：一个在数周后达到竞争对手编码水平的内部检查点版本，并不足以证明递归自我改进已经发生。
这种怀疑是有依据的。
目前存在三个相互独立的说法：
| 说法 | 证据等级 |
|---|---|
| Google 正在内部测试 Carbon | Business Insider 有较强报道支持 |
| 一名员工表示 Carbon 在编码方面感觉像 Opus 5.5 | 有较强报道支持，但属于轶闻式证据 |
| Google 正在投入 RSI | 有路透社报道支持 |
| Carbon 本身证明了自主 RSI | 尚未得到证实 |
将这些说法分开，并不会削弱故事，反而会让故事更可信。
原报道中的第二个争议并不在于基准测试表现。
它关注的是发布策略。
Google 宣布 Argon 时展示了令人印象深刻的能力，但大多数用户仍然无法试用。
这让社区讨论变得异常谨慎。
一些人指出基准测试结果，认为 Google 显然已经回到前沿位置。
另一些人则认为，除非开发者能够在自己的工作负载上运行模型，否则基准测试截图并不重要。
原报道收录了一条特别尖锐的批评：Google 可能要花很长时间才发布 Argon，以至于用户最终获得它时，这款模型看起来已经很普通。
语气虽然带有讽刺意味，但背后的产品担忧是真实的。
前沿模型竞争发展迅速。
一个需要数月才能触达开发者的内部领先模型，可能在公开发布前就已经失去优势。
原报道部分将 Google 的延迟归因于企业官僚主义。
但这也存在官方安全层面的原因。
Google 表示，Argon 具备异常强大的防御性网络安全能力。
该公司表示，这款模型能够自主：
Google 报告称，Argon 在 CWE-bench v1 上取得了 68% 的最高分，在其发布对比中并列第一。
Google 还报告称，与 Gemini 3.8 Flash Cyber 相比，Argon 在内部和合作伙伴漏洞发现评测中取得了大幅提升。
这类能力可以帮助防御人员，但也可能带来双重用途风险。
Google 没有广泛发布 Argon，而是首先启动了 Fairwind 计划。
Fairwind 是一项面向以下对象的有限访问计划：
Google 表示，其目标是在向防御人员提供先进网络安全能力的同时，将最敏感的能力控制在受监管的群体范围内。
该公司还参与了美国政府的自愿性发布前模型访问流程。
Google 表示，下一阶段的更广泛推出将从以下用户开始：
付费 API 客户
+
Google AI Ultra 订阅用户
但尚未公布明确日期。
把 Argon 称为“PPT 发布”言过其实。
Google 表示，已有数千名员工在内部使用该模型。
该公司也发布了多个案例。
Argon Agent 正被用于：
Google 表示，一次内部部署分析了数据中心的性能分析遥测数据，并识别出内存优化方案，在部署后释放了超过 300 TiB 的内存。
该公司还表示，Argon Agent 已参与 C/C++ 到 Rust 的迁移项目，项目规模从数万行代码到超过 80 万行代码不等。
这些都是公司报告的结果，应当以这一性质来看待。
但它们说明，Argon 是一个正在运行的内部系统，而不只是基准测试表中的一个数字。
这正是原报道最终落脚的地方。
Carbon 的存在表明，Google 的内部模型开发流程正在快速推进。
但公开发布流程更加缓慢。
这造成了一种不寻常的不匹配：
内部检查点迭代：
快速
公开访问：
缓慢
从研究角度看，Carbon 对 Google 来说是一个积极信号。
从开发者角度看，重要的问题更加简单：
我究竟什么时候才能使用它？
这首先适用于 Argon。
在 Argon 广泛可用之前，Carbon 距离成为产品选择还要更远。
| 说法 | 当前状态 |
|---|---|
| Gemini 4 Argon 于 9 月 30 日正式宣布 | Google 已确认 |
| Argon 最初仅向 Fairwind 网络安全防御人员提供 | 已确认 |
| 付费 API 用户和 Google AI Ultra 用户将成为下一批用户 | 已确认 |
| Google 已给出广泛发布的明确日期 | 没有 |
| Google 正在测试名为 Carbon 的内部 Gemini 4 检查点版本 | Business Insider 报道 |
| Carbon 可在 Google 的内部编码平台 Jetski 中使用 | Business Insider 报道 |
| 一名 Google 员工表示 Carbon 在编码方面感觉像 Opus 5.5 | Business Insider 报道 |
| 该员工还表示需要进行更多测试 | 已有报道 |
| Carbon 拥有官方公开基准测试表 | 没有 |
| Carbon 一定会以“Carbon”之名发布 | 没有 |
| Barium-B 被选为公开发布的 Argon | Business Insider 报道 |
| Google 正在投入递归自我改进 | 有路透社报道支持 |
| Carbon 证明 Google 已实现自主 RSI | 尚未得到证实 |
| Antigravity 中存在社区发现的 Argon 引用 | 第三方报道 |
| Argon 当前已在官方 Antigravity 模型文档中列为广泛可用 | 没有 |
Carbon 是内部 Gemini 4 检查点版本的代号，据报道正在接受 Google 员工测试。Business Insider 称，该版本最近已在 Google 的内部编码平台 Jetski 上开放使用。
不是。Google 尚未公开宣布 Carbon，也未发布模型卡，或确认它会以该名称发布。对于 Business Insider 报道的内部测试，Google 拒绝置评。
Business Insider 报道称，员工认为 Carbon 有明显改进，尤其是在编码方面。不过，目前没有公开的 Carbon 基准测试，因此还没有独立或官方的量化比较。
一名 Google 员工告诉 Business Insider，Carbon 在编码方面“感觉像 Opus 5.5”，并立即补充说仍需要进行更多测试。这是早期的定性比较，并不是基准测试结果。
目前没有公开证据可以证明这一点。路透社报道称，Sergey Brin 正在推动对递归自我改进的投入，但 Google 尚未披露 Carbon 的训练流程，也未展示自主自我改进循环。
Gemini 4 Argon 是 Google 正式宣布的前沿 Gemini 4 模型，面向编码、知识工作、长链路推理和防御性网络安全。它于 2026 年 9 月 30 日宣布，最初通过 Google 的 Fairwind 计划推出。
Google 尚未公布明确的广泛发布日期。Google 表示，开发者、企业和消费者将“尽快”获得访问权限，首先覆盖付费 API 客户和 Google AI Ultra 订阅用户。
这些名称与 Google 的 Gemini 4 开发流程有关。Business Insider 报道称，内部代号并不一定会成为公开产品名称；例如，据报道 Barium-B 这一检查点版本最终被选为以 Gemini 4 Argon 名义公开发布的版本。
据报道，Google 员工正在测试一个名为 Carbon 的新内部 Gemini 4 检查点版本，一名测试者表示，它的编码表现感觉可以与 Claude Opus 5.5 相比。这一信息说明 Google 的内部模型迭代正在快速推进，尤其值得注意的是，大多数开发者仍无法广泛访问 Argon。
关于 RSI 的说法需要更加严谨。根据路透社报道，Google 确实在投入递归自我改进，而检查点快速迭代的节奏也与 AI 更深度参与 AI 研究相一致。但目前没有公开证据表明 Carbon 自主改进了自身权重，或完成了能够自我维持的递归训练循环。
Argon 缓慢推出是故事的另一面。由于模型具备强大的网络安全能力，Google 谨慎推进确有现实理由；但在竞争对手持续发布新模型的情况下，内部进展与公开可用性之间的差距仍然造成了用户不满。
Carbon 是一则可信的内部模型泄露消息；“Google 已经实现递归自我改进”仍然只是一个假设。下一个决定性信号将是公开访问权限、可复现的基准测试，或 Google 自身发布的技术披露。
从一句话开始，几分钟内拿到完整网站。
