Loading the catalog…
Loading the catalog…
AI 圈最近的更新速度,已经快到让人有点跟不上。 以前 OpenAI、Anthropic、Google 这种顶级玩家发布一次旗舰模型,市场通常会消化几个月。 现在的节奏完全变了。 你刚开始研究一个新模型,下一场发布会已经在路上。 就在 OpenAI 和 Anthropic 不断推进下一代模型的时候,谷歌 DeepMind 终于拿出了自己的年度旗舰: Gemini 4 Argon。 这次发布,谷歌给出的信号非常明确: 代码能力、企业任务、安全能力、长上下文能力,全部朝着“生产力工具”方向推进。 但有意思的是,发布会之外,围绕 Gemini 4 Argon 的讨论也出现了分歧。 一部分声音认为,这可能是谷歌重新回到 AI 第一梯队的重要产品。 另一部分声音则认为, 模型测试成绩很漂亮,但真正放进复杂业务环境,还有距离。 这其实也是整个 AI 行业正在面对的问题: 模型跑分越来越强,但它距离成为一个真正可靠的 AI 同事,还有多远? 01、Gemini 4 Argon 最大升级:一次处理百万 Token 01一、Gemini 4 Argon 最大升级:一次处理百万 Token 先看最核心的变化。 Gemini 4 Argon 最大的升级之一,就是上下文窗口。 相比上一代约 6.4 万 Token 的限制,新模型直接提升到了 100 万 Token 。 简单理解: 以前 AI 处理几十页资料已经不错。 现在,它可以一次性理解: 几百页代码、大型项目文档、长篇合同资料,甚至企业内部知识库。 对于开发者来说,这意味着 AI 开始从“代码助手”向“项目级助手”变化。 它不只是帮你修改一个函数,而是可以尝试理解整个项目的结构、依赖关系和业务逻辑。 价格方面,谷歌这次也明显提高了竞争力。 Gemini 4 Argon 输入价格为: 每百万 Token 2 美元。 输出价格: 每百万 Token 10 美元。 如果命中缓存,输入成本最高还能降低 95%。 对于企业用户来说,这意味着以前成本较高的大规模 AI 任务,现在开始具备长期使用可能。 02 、谷歌开始让 AI 进入真正的大工程 过去很多 AI 发布会,最容易展示的是 benchmark 成绩。 但真正能体现模型价值的,是它有没有参与真实项目。 这一次,谷歌拿出了几个内部案例。 其中一个案例,是数据中心优化。 谷歌表示,Argon 智能体团队分析大量服务器运行数据,自动寻找内存优化空间。 最终释放超过 300 TiB 内存 。 这个数字非常夸张。 简单换算,相当于几十万台普通电脑的存储规模。 另一个案例,是大型代码迁移。 很多企业一直希望把老旧 C/C++ 代码迁移到 Rust,因为 Rust 在安全性方面更有优势。 但问题在于: 大型系统代码量巨大,人工迁移成本极高。 谷歌表示,Argon 已经参与 Fuchsia 系统 Zircon 内核等大型代码迁移工作。 在 libgav1 视频解码库案例中,Argon 分析并优化超过 3.2 万行 SIMD 代码 ,进一步提升 Rust 版本性能。 这些案例释放出的信号很明显: 谷歌希望证明 Gemini 不只是聊天机器人,而是在进入企业真实工作流。 03 、Benchmark 第一,真实工作能力也要经过验证 从公开测试结果来看,Gemini 4 Argon 的成绩确实非常亮眼。 例如: DeepSWE v1.1 软件工程测试中,Argon 获得 77.9% 的成绩。 此外,在金融、法律、自动化、安全等测试中,也取得领先表现。 但问题也随之出现。 AI 行业内近几年出现了一个词: Benchmaxxing。 简单理解,就是模型为了提升测试成绩,不断针对 benchmark 进行优化。 但真实工作环境,往往比测试题复杂得多。 一道编程题,AI 可以快速完成。 但真实企业项目通常包含: 几十万行代码,复杂业务逻辑,历史遗留问题,团队协作要求。 这些因素,很难完全通过单一测试体现。 所以现在越来越多企业开始关注: AI 到底能不能稳定完成任务。 04 、谷歌最大的挑战,可能来自 AI 入口变化 Gemini 4 Argon 背后,其实还有更大的竞争。 过去几十年,Google 最强大的能力一直是搜索入口。 用户遇到问题,会打开搜索框寻找答案。 但随着 AI Agent 的发展,这种习惯正在发生变化。 未来用户可能直接告诉 AI: 帮我整理资料,帮我安排会议,帮我分析合同,帮我完成方案。 搜索正在从 “寻找答案”,变成“执行任务”。 这也是为什么 OpenAI、Anthropic、Meta 等公司都在布局个人智能体。 大家现在争夺是 谁能够成为用户每天工作和生活中的 AI 助手。 05 写在最后 Gemini 4 Argon 的发布,证明 Google 依然拥有顶级 AI 研发能力。 百万 Token 上下文、企业级任务处理、代码工程能力,这些都是非常强的信号。 但 AI 竞争已经进入新的阶段。 模型参数和 benchmark 成绩,只能证明模型拥有潜力。 真正决定未来的,是它能不能进入用户每天的工作流程。 过去互联网竞争抢的是网站入口。 移动互联网竞争抢的是 App 入口。 而 AI 时代争夺的,很可能是那个每天帮用户完成事情的智能助手。 Gemini 4 Argon 能不能帮助 Google 抢回主动权,还需要时间验证。 但可以确定: 这场 AI 大战,远没有结束。 本文由作者@运营派AI Lab,授权发布于平台,未经许可禁止转载。
What RADAR observed and classified to build this opportunity. It is what the source published, not a verification that the offer is still active.
Gemini 4正式发布,追平GPT-6但被质疑“刷榜”. AI 圈最近的更新速度,已经快到让人有点跟不上。 以前 OpenAI、Anthropic、Google 这种顶级玩家发布一次旗舰模型,市场通常会消化几个月。 现在的节奏完全变了。 你刚开始研究一个新模型,下一场发布会已经在路上。 就在 OpenAI 和 Anthropic 不断推进下一代模型的时候,谷歌 DeepMind 终于拿出了自己的年度旗舰: Gemini 4 Argon。 这次发布,谷歌给出的信号非常明确: 代码能力、企业任务、安全能力、长上下文能力,全部朝着“生产力工具”方向推进。 但有意思的是,发布会之外,围绕 Gemini 4 Argon 的讨论也出现了分歧。 一部分声音认为,这可能是谷歌重新回到 AI 第一梯队的重要产品。 另一部分声音则认为, 模型测试成绩很漂亮,但真正放进复杂业务环境,还有距离。…
Open source