新闻雷峰网今天

Gemini 4 Carbon登顶但幻觉率升至11%，谷歌押注RSI加速具身代码迭代

Gemini 4 Carbon在SWE-sweep与Terminal-Bench评测中大幅领先，但幻觉率从4%升至11%。谷歌放弃3.5 Pro转投Flash快速迭代，内部75%代码由AI生成，验证递归自我改进对复杂工程任务的加速闭环。

AI 整理

仿真与训练
具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：榜单第一，市值暴跌！Gemini 4 Carbon「速成」背后，谷歌一场豪赌（雷峰网）

核心内容

Google发布Gemini 4 Carbon专项增强版，在Artificial Analysis智能指数评测中反超Claude Opus 5.5与GPT-6 Astra重回榜首。该模型并非全新预训练旗舰，而是在Argon底座上针对安全漏洞发现与长任务代码修复进行强化，两周内即完成推出，标志着谷歌研发模式从“两年磨一剑”转向按任务领域拆分的周期性渐进发布。

技术层面，Carbon在SWE-sweep代码修复评测得分9.6%，Terminal-Bench自主操作达65.2%，GraphWalks超长文本处理96.2%；但在FrontierSWE 2与OSWorld-2.1等通用工程测试中仍落后竞品，且AA-Omniscience知识评测幻觉率从Argon的4%激增至11%。这反映出模型在垂直赛道刷分能力强，但通用实操体验与可靠性仍有短板，限制了其在机器人底层系统等高安全场景的直接部署。

关键看点

Agent代码能力：SWE-sweep评测得分从Argon的4.3%翻倍至9.6%，Terminal-Bench自主操作提升8.1%达65.2%，验证长周期工程任务突破
幻觉率代价：AA-Omniscience知识评测幻觉率从4%升至11%，显示专项优化导致通用事实准确性下降，制约高可靠具身控制应用
RSI研发闭环：内部新增代码约75%由AI生成且回滚率降三分之一，AlphaEvolve已落地数据中心调度与芯片设计，加速模型自身迭代
算力消耗激增：Argon上线72小时处理近25万亿Token，用量达上代3倍，目前仅优先开放API与订阅用户，全量部署受算力瓶颈限制

工程与产业观察

Gemini 4 Carbon展现了大模型在Agent级代码修复与长任务执行上的显著进步，为具身智能底层系统开发提供了新工具。但11%的幻觉率警示算法工程师：在机器人安全关键路径中直接使用此类模型风险极高。谷歌RSI实践表明，将AI限定于可验证的外围工程环节（如代码生成、测试）而非直接修改权重，是当前平衡迭代速度与系统可靠性的务实路径。