谷歌在 11 月 10 日开放 Gemini 4 Carbon,官方称这是目前能力最强的 Gemini 模型,重点放在长周期任务与多步推理,覆盖软件工程、科学问题求解、以及需要跨大量材料做判断的场景,上下文窗口 100 万 token。开发者、企业客户和搜索 AI 模式的订阅用户都可以调用,与现有的 Gemini 4 Argon 并存,Carbon 面向更难的任务。
一、能力之外的三个现实指标
发布当天,早期测试者的反馈分成两派。认可的一方说它在边界情况、罕见错误上的识别明显更好,能自己发现"这条路径走不通";批评的一方给出两个具体数字:首个 token 的等待时间接近 60 秒,以及配额消耗很快。
这两条恰好是长任务模型最容易被忽略的成本项。
首字延迟决定了它能用在哪些产品形态。聊天框里等 60 秒,用户早走了;但如果把它放在后台任务里——夜间批处理、代码库审查、报告初稿、数据核对——60 秒并不算什么。把模型放到正确的调度位置,比要求它变快更现实。
配额消耗快则意味着单次任务的成本高。长上下文模型按 token 计费,100 万 token 的输入加上长链推理,一次调用可能就是普通模型几十倍的开销。上线前先算清楚"每个任务多少钱",而不是"每百万 token 多少钱",预算才不会失控。
二、100 万上下文到底用来做什么
上下文长不等于该把所有材料都塞进去。实践中更有价值的三类用法:
第一类,跨文档一致性检查。合同、财报、技术规范这类材料,条款之间的矛盾人眼很难发现,模型逐条比对反而擅长。
第二类,长周期代码任务。读完整仓库再改动,比逐文件修改更少引入破坏性变更,但需要配套的测试与回滚机制。
第三类,研究型问题。把几十篇材料放进去做交叉验证,输出"哪些结论有冲突、冲突在哪",比让它写综述更有用。
反过来,检索增强(RAG)并没有过时。上下文越长,模型对中段信息的注意力越容易衰减,把最相关的十段材料精准检索出来,效果常常好过把一千页全塞进去。
三、竞争格局的一点观察
Carbon 的介绍期定价明显低于 Anthropic 刚发布的 Fable 5.2,有开发者在自己的基准上给出 60% 左右的成绩。价格与分数的组合,说明谷歌这一轮打的不是"最强",而是"够强且便宜"。
对团队的建议很朴素:不要看榜单换模型,用你自己那 50 到 100 个真实任务跑一遍,记录通过率、平均耗时、单任务成本三个数字。三项都合适再迁移,否则换模型只是换了一个需要重新调优的坑。
Gemini 4 Carbon 上线:100 万上下文的长任务模型,卡在首字延迟
← Previous: Tencent Hunyuan Hy4: 770B Parameters, Vision and Computer Use, Now GA
Next: →Anthropic Prices Its IPO at $70 to $78, Against a $900B Compute Bill →