Google 正在其内部编码平台 Jetski 上测试一个名为 Carbon 的新 Gemini 4 检查点，至少有一名员工表示其编码性能可与 Anthropic 的 Claude Opus 5.5 相媲美——尽管 Google 尚未确认 Carbon 的任何基准、发布日期或公开可用性。

整个 Carbon 故事建立在内部 Slack 风格的消息和截图之上，这些信息仅由一名《商业内幕》记者获得，而非 Google 的任何官方确认 ^[1]。该检查点没有公开的模型 ID、API 端点、公布的价格、模型卡或声明的评估方法——甚至未出现在 AI Studio、Antigravity 或 Vertex AI 的菜单中 ^[2]。被反复引用的“感觉像 Opus 5.5”这一比较，仅是一名员工的主观印象，并明确附带了“需要更多测试”的保留意见 ^[3]，而网络上的反应已开始质疑报道本身，质疑该媒体是否真正理解模型检查点的含义 ^[1]。

一旦了解其发展脉络，Google 的命名逻辑便更清晰：2026 年 9 月 30 日左右开始逐步推出的公开版 Gemini 4 Argon，在内部对应一个名为 Barium-B 的检查点，而 Carbon 被描述为一个更晚的检查点，仍限于内部测试 ^[1][2]。这一流水线可追溯至 Google Antigravity，即 2025 年 11 月随 Gemini 3 推出的代理编码环境，如今与运行 Carbon 的内部 Jetski 平台相关联 ^[4]。截至 2026 年 9 月 23 日，DeepMind 的 Koray Kavukcuoglu 已表示 Gemini 4 已进入后训练阶段，并在 Antigravity 内部测试，希望在年底前发布早期后训练版本 ^[5]。

报道称，Carbon 的内部测试是 Google 对 Anthropic 的 Claude Opus 5.5 的直接回应，Google 正在努力在 Argon 发布数周后缩小甚至超越其编码性能差距 ^[3]。迭代速度之快体现了紧迫性：Carbon 在 Argon 尚未完成分阶段公开发布前就已出现在内部测试中，媒体将其解读为 Google 为赢得开发者在代理编码领域心智份额而进行的更广泛推动的一部分 ^[6]。一些员工进一步将这一飞跃归因于递归自我改进（RSI）技术——但这是一种未经证实的内部理论，而非 Google 的官方解释 ^[7]。Google 能公开指出的是 Argon 自身的基准记录：在 CWE-bench v1 上得分为 68%（并列第一），在 DeepSWE v1.1 软件工程基准上得分为 77.9% ^[8]——这些是坚实的数据，但与 Carbon 尚无任何公开分数相比，无法等同于经验证的“击败 Opus 5.5”的声明。

Google 尚未说明 Carbon 是否会成为未来的 Argon 更新、独立的 Gemini 4 发布版本，或仅作为用户永远无法见到的内部检查点 ^[2]。这种模糊性很重要，因为 Argon 本身最初是通过“公平风计划”（Fairwind Program）面向可信的网络安全防御者有限发布，而非面向广大公众 ^[8]。华尔街已注意到 Google 更广泛的发布模式：摩根大通分析师认为，Google“在将持续的产品迭代转化为引人注目的发布、持续吸引公众关注并显著提升市场对 AI 领导地位的积极情绪方面存在困难” ^[9]，这正是 Carbon 泄露所面临的风险——私下令人印象深刻，但在市场中却隐形，直到（或除非）它真正发布。

对 Carbon 的反应在不同平台上截然不同。在 X 和 YouTube 上，AI 新闻账号以兴奋和推测的态度对待这一泄露，将 Carbon 与其他同时期的前沿模型传闻并列，并将其视为 Opus 5.5 甚至 GPT-6 的有力竞争者。讨论中反复出现的一个细节是：Google 自己似乎曾将 Barium-B——即后来成为公开版 Argon 的内部检查点——伪装成一个诱饵模型名称，悄悄放入 LMSYS Chatbot Arena 中，以在正式发布前评估其真实世界表现，这一做法表明 Google 在 Carbon 泄露出现前很久就已开始秘密测试检查点。Reddit 的反应则截然相反。那里的 Gemini 社区将这一泄露视为“下一个检查点击败一切”模式的最新一环，其中一篇帖子直接以嘲讽标题批评 Google 在 Argon 本身尚未广泛提供给付费用户之前就不断暗示更新的模型。获得最多点赞的怀疑观点认为，Carbon 可能根本不是一个独立的模型层级，而只是为现有 Argon 发布版本提供支持的内部构建版本——这远不如其他地方流传的 Opus 5.5 比较那样令人兴奋。这种炒作与怀疑之间的差距本身极具揭示性：它表明一部分受众曾因泄露周期从未转化为实际产品而受挫，而另一部分更喧闹的群体则急于在 Google 尚未发声前就将下一个前沿模型加冕。