上线72小时内，处理量接近25万亿Token，使用量是上一代Gemini 3.0同期的3倍。

这是Google最新旗舰模型Gemini 4 Argon交出的首份成绩单。即便是资源雄厚的Google，面对突然涌入的调用请求，也不得不再次实施算力限制。

在科技播客《Sources》的最新访谈中，Google CEO桑达尔·皮查伊回顾了Gemini 4 Argon的发布细节，首次公开说明了Gemini 3.5 Pro为何消失，以及DeepMind核心管理层变动的背后原因。

1.放弃3.5 Pro直接冲刺Argon，内部研发已进入RSI阶段

过去几个月，外界一直好奇曾在I/O大会上提及的Gemini 3.5 Pro去向。皮查伊在访谈中直接给出了答案：为了抢占Agent编程能力的高地，被团队主动放弃了。

今年年中，Google在训练3.5系列时发现，模型在Agentic Coding上存在明显不足。团队判断，利用体积更小、效率更高的Flash版本进行高频迭代，是弥补短板的最快方式。于是Google在约3个月内密集推进了从3.5、3.6、3.7到3.8 Flash的连续迭代。

当这套技术方案成熟并准备应用到Pro版本时，Gemini 4.0 Argon的预训练已经完成。考虑到此时再发布3.5 Pro生命周期极短，在算力受限的环境下，团队决定将Flash验证成功的所有技术积累，直接注入Argon的后训练阶段。

这一决策直接促使Argon在长程任务上实现跃升。在外部测试中，Argon耗时一天多、花费不到2000美元算力便自主通关了《我的世界》。而在Google内部，它已经被指向拥有数百万行代码的Chromium代码库。

至于外界传闻的Carbon模型，皮查伊澄清那只是内部前沿模型迭代的代号。目前团队正基于Argon推进模型蒸馏，研发能力接近但成本更低的轻量版本，以向更多用户开放。

随着新模型融入内部开发环境，皮查伊认为2027年是生产力的黄金时代。他透露，Google内部已经进入研究人员与模型深度协同的递归自我改进（RSI）阶段：模型正直接参与提出训练配方建议、自动评估下一个检查点。皮查伊本人每天也在使用内部Agent汇总预训练、中训练、后训练和数据群组的24小时研发进展，每天节省约1小时的信息同步时间，并通过接入遥测数据的Agent实时监控各部门的算力使用效率。

2.首谈DeepMind高层变阵，自由现金流转负背后的博弈

针对近期备受关注的Google DeepMind人事震荡：传奇工程师Jeff Dean离职创业、Demis Hassabis退居首席科学家与主席、Koray Kavukcuoglu接棒掌管DeepMind，皮查伊首次给出了官方解释。

除了效力27年的Jeff Dean希望开启新探索创立Discovery Loop外，内部调整的核心原因在于：前沿模型研发已经演变成一项吞噬全部精力的超大规模工程。

皮查伊指出，从数据筹备、算力调度、算法演进到统筹人类团队与模型Agent协同，前沿模型的迭代速度越来越快，需要一位专职负责人投入全部精力统筹日常运转。Koray在DeepMind任职超十年，且早在18个月前就已搬到湾区推进跨部门整合，由他接管模型研发管线水到渠成。而Demis则得以抽身，将精力集中到以Isomorphic Labs为代表的AI制药、生命科学、机器人等落地方向。

模型竞赛的加速也直接反映在财务账面上。今年夏天，Google出现了自IPO以来的首次自由现金流转负，同时继续上调2027年资本开支指引。

在解释为何敢于如此激进投入时，皮查伊算了一笔时间账：自研芯片和数据中心的前置周期极长，今天市场拿着完美信息所评估的算力水位，其实是两年前做出的决策，而去年这个时候，行业甚至还没有迎来Agent编程的爆发。如今，Google已经在规划2028至2029年的土地与电力储备。

他强调，今天的AI基建并非当年闲置的暗光纤泡沫，所有算力都在被真实消耗。除了C端和B端的需求信号以及云业务的长期合同积压外，底层研发突破也给了他足够的确定性。皮查伊在访谈中直接剧透：根据目前的内部基准和演进曲线，下一代Gemini 5.0将比现在的4.0 Argon强得多。

3.底层共享微虚拟机，太空TPU与量子计算时间表浮出水面

在产品架构上，Google正在抹平企业端与消费端Agent的界限。

皮查伊透露，无论是面向B端还是C端的Gemini Agent，底层跑的都是同一个模型、同一套运行框架和同一个运行时，唯一的区别在于注入的是企业上下文还是个人上下文。Google在企业端为每个任务自动分配独立微虚拟机、实现7×24小时安全运行的设计，正在同步下放到消费端。在交互界面上，Gemini现有的“对话”和“任务”将合并为单一输入框。

针对外界关心的Google搜索与Gemini何时合并，皮查伊表示不需要强行合并两款产品，云端24小时在线的Agent层会共享用户的个人上下文，自然接管跨端任务，让用户在搜索、Gemini应用与Gmail之间无缝切换。而在Web交互底层，他认为像人类一样操作界面的Browser Use与MCP、UCP等原生协议将长期共存。

以下是访谈原文：

1.Argon发布反响与算力受限下的访问策略

主持人：Gemini 4 Argon广泛发布已经过去一周左右了。我很想听听你对新模型早期市场反响的看法。

皮查伊：我们对此感到非常兴奋。在此之前我们在内部已经使用了一段时间，它绝对是一个世界级的尖端模型。现在的尖端模型在智能广度和深度上都非常全面。如果把智能水平在代理任务、知识工作和编程等维度上做一张热力图，我认为它在很多维度上都非常强大，而且竞争力极强。从Argon发布后的前72小时来看，我们处理了大约25万亿个Token，大约是3.0版本的3倍。由于正处于发布初期，我们在算力上确实受到了一些限制。来自客户的反馈非常棒，特别是在代码和代理能力方面。当然，我也清楚还有需要改进的地方。在尖端模型领域，你不断发布产品、收集反馈、然后推进下一步，这是我见过的最具动态变化的时期。

主持人：你觉得目前还有哪些领域是你们希望继续做好的？

皮查伊：我们希望在编程能力上继续精进。这是一个非常优秀的模型，我们的工程师在内部非常喜欢使用它，但我们深知在任何时刻都有可以做得更好的地方。发布之后，我们内部一直在持续推进，根据用户反馈进行行为层面的优化。

主持人：你刚才提到了算力限制。像谷歌这样的公司在面对这样的新模型时也会遇到算力瓶颈，这很有意思。Argon是一个大模型，运营成本显然很高。你能讲讲是如何决定对其进行访问限制的吗？目前它只面向API以及AI Pro和Ultra订阅用户开放，显然还没有覆盖到最广泛的用户群，对于这种规模的模型来说这确实是个挑战。你们是如何思考这种限制与发布策略的？

皮查伊：我们在3.0模型时期就积累了丰富的蒸馏经验，能够提炼出能力几乎同样强大但效率高得多的模型。我们目前正在开发这些版本，这能帮助我们尽可能让更多人广泛使用。同时，面对这个尖端模型，安全至关重要。我们在外部测试上投入了大量精力，例如通过美国政府的AI安全研究所项目，以及向网络安全研究人员提供早期访问权限，同时也在内部进行了广泛测试，随后才将其推向外部。正如你所说，这是一个大模型，但考虑到其规模，我们的推理速度相当快。从现在开始，我会持续扩大访问权限。我们在Gemini应用中首先面向所有Ultra和Pro层级的用户推出，随后又在Anti-Gravity应用中推出了Pro版本，并且我们正在开发可以服务更多用户的4.0系列蒸馏版本。

主持人：这就是传闻中的Carbon模型吗？

皮查伊：在任何特定时刻，我们都会有尖端模型的内部版本，其中一些只是代码代号，这与我们推出更高效版本的Argon并不矛盾。

2.安全测试、竞争格局与长期前沿定位

主持人：所以更高效的版本即将推出。关于安全性测试的过程，我很好奇你是怎么看待的。比较像Anthropic这样的私有尖端实验室与谷歌、Meta或大型云服务商在安全和隐私上的做法很有意思。听起来你们对这个模型的安全测试非常严谨，耗时似乎也比之前的模型更长，可以这么说吗？

皮查伊：绝对是这样的。鉴于其强大的代理能力和极其出色的编程水平，特别是在将其大规模部署到企业客户时，你需要确保万无一失。例如，除了模型对齐工作之外，更重要的是构建算力和系统来对运行中的模型进行实时监控。这种实时监控对于部署后的模型至关重要，能让你尽早发现任何不符合预期的行为并及时进行干预。为此，我们花时间构建了相应的系统、沙盒环境以及实时监控机制，并为客户提供所需的保护措施，确保他们清楚模型运行的位置、权限以及所需的遥测数据。

主持人：你有多关注新模型之间的这场拉力赛？我的意思是，我知道你肯定关注各种动态，看谁领先、谁落后。大家去年看到Gemini 3的时候都惊呼谷歌重回尖端行列了。现在看基准测试，Argon也确实名列前茅。但感觉大家的注意力总是在转移，看谁处于领跑位置。你对此有多关注？你有多鼓励团队去关注这些？很想听听你现在的想法。

皮查伊：这是一个非常好的问题。这是一个变化极快的时期，外界的声音非常多，我当然会关注X上的动态。获取外部的声音非常重要，因为这能让你了解哪些地方做得好，哪些地方需要改进。虽然我会观察所有这些外部反馈，但更重要的是，我们内部建立了一套非常严密的评估体系来评估模型。我们可以清晰地看到模型所处的性能曲线，从而在内部获得高质量的信号。我对团队的要求是，我们坚决致力于在极长期内保持在AI技术的最前沿。我们并非最近才涉足这一领域，而是长期专注于此，希望在十年后依然处于智能的最前沿。这意味着我们需要做好所有必要的工作，包括安全保障，这对于开发尖端智能至关重要。今年对我们而言，最重要的事情之一就是加快产品发布节奏。行业变化极快，尖端模型也在飞速演进。因此，我们今年所做的一大调整，就是在代理编程上取得更深层次的突破，并以此来优化我们的发布周期。从3.5、3.6、3.7到3.8 Flash，我们在大约3个月内完成了这一系列迭代，因此在4.0版本中，我们也期望保持并提升这种发布节奏。

3.代理能力跃升与2027生产力/RSI展望

主持人：Argon有一些方面让我很感兴趣。比如我看到它在大约一天多的时间里独立通关了《我的世界》，算力消耗据说还不到2000美元，这非常令人印象深刻。我很好奇这种级别的代理能力意味着什么。游戏是一回事，但你可以将其推演到很多潜在的事情上，比如高级决策和长周期任务。当你看到《我的世界》这个案例时，你是怎么想的？这如何影响你的长远规划？

皮查伊：在内部，我们已经见证了Argon带来的阶跃式生产力提升。自内部部署以来，它被应用到了许多大型代码库中。例如，在Chromium中，如果你想创建一个体验，比如拖拽标签页并将其放入AI体验中，同时保持其实时运行而无需重新加载，过去团队需要打通Chromium的所有底层架构。但现在，你可以直接让Argon去处理，它能够持久耐心地完成整个流程。我们在各个地方都看到了这样的例子。这让我感到兴奋的是，我认为2027年将是我们的生产力黄金时代，这得益于新一代模型及其与我们内部环境的深度融合。你还可以将这些模型深度应用到模型自身的研发中，也就是行业内所说的递归自我改进（RSI）。这些都是我们能够看到持续进展的实际领域，非常令人兴奋。《我的世界》中展示的能力表明，只要有足够的算力和资源，我们在许多领域的推进速度将会超越以往。

主持人：任何可验证的领域其实都可以，对吧？

皮查伊：确实如此，而且在其他领域，始终可以让人类参与到反馈循环中，不断推动进展。这感觉就像有无限的可能。这是一个只要你能想到、就能投入并取得进展的时刻，最近在数学领域已经看到了这一点。你本以为需要很长时间才能解决的事情，只要投入精力和资源，就能展现出戏剧性的进展，就像OpenAI在其最新模型中在数学领域所做的那样。因此，我认为我们在2027年将会看到更多这样的成果。

主持人：是的，我最近也听到谢尔盖·布林·（Sergey Brin）在谈论RSI并推动团队在这方面发力。谷歌目前在内部的RSI进展到了什么阶段？现在的研发有多少是在模型辅助下进行的？

皮查伊：目前的进展是，AI研究人员正在与模型进行深度的协同工作。模型会参与进来，自动推荐技术路线、评估下一个检查点等，因此模型和研究人员之间存在着健康的协作关系。虽然流水线中的某些环节可能离递归自我改进还有一定距离，但整个连续体正在发生位移。这就是为什么我认为思考我们如何开发尖端模型如此重要，并且我预计在未来12个月内，由于递归自我改进的应用，我们将会看到持续的加速发展。

4.Gemini 3.5 Pro的去向与编程能力待攻克方向

主持人：在模型话题结束前顺便问一句，我在上次年度开发者大会（Google I/O）上听你们提到了Gemini 3.5 Pro，但外界一直有疑问，那个模型后来怎么了？是直接变成了Argon，还是发生了什么？

皮查伊：当我们开发3.5系列时，我们同时在开发Flash和Pro。到了今年年中，我们内部认识到，模型在代理能力（特别是编程相关能力）以及它对整体进展的基础性作用上存在差距。因此我们希望在该领域加速攀登，而团队认为最快的攀登方式是使用Flash。这是一个更小、更高效的模型。这样你就能在其中获得更多、更密集的迭代循环。正是这种思路引导我们推出了3.5到3.8 Flash系列。等我们完成这些时，我们有机会将其应用到Pro版本中，但当时Argon的预训练已经完成了。所以是因为意识到3.5 Pro的生命周期会非常短，所以决定把所有的积累应用到Argon的后训练中。在算力和时间等资源受限的环境下，你只能做出这样的取舍。但这也给我们提供了一个机会，去向未来真正需要的地方提前布局。所以在4.0版本中，你们会看到不同的模型版本。Argon是我们的最大模型，也是目前我们对外发布的版本，但我们后续还会推出更多模型。同时，在此期间我们也在将Argon提供给Pro层级的用户。

主持人：目前在编程方面还存在哪些困难？你们仍在努力攻克的难关是什么？

皮查伊：倒谈不上是什么巨大的困难，只是尖端技术在不断演进。如果放在两个月前来看，Argon在编程的各个方面都堪称最前沿。所以这并不是说遇到了什么过不去的坎，而是你不断地给它设定更复杂的端到端代理任务，并且希望模型能够做得极其出色——就像一个世界级的优秀程序员团队那样，以极佳的品味、出色的代码可审查性以及高度的安全性来完成任务。因此这是一个不断发展的技术前沿。比如说幻觉问题，这永远是一个需要不断取得进展的前沿领域，它是当前最先进技术固有的一部分，但我们一直在努力将其减少。这既是一个机遇，也是一个挑战。

5.DeepMind领导层变动及其与谷歌的融合

主持人：举一个具体的例子。自从Google DeepMind发生一些领导层变动以来，我们还没聊过，我想向你请教一下。CEO Demis Hassabis退居二线成为首席科学家，同时也把更多精力投入到Isomorphic Labs中，对此我非常好奇；同时Corey被提拔为DeepMind的负责人；Google传奇人物Jeff Dean离开并创立了Discovery Loop。当时这一消息传出时，引发了大量媒体报道和对幕后情况的种种猜想。自那以后，我没有听你或任何相关人士谈及此事。我很想听听你的看法，或许你可以借此平息一些谣言：当时的考量是什么？是什么促成了这些变动？为什么会发生这样的变化？

皮查伊：当你看到人们在某个岗位上投入了一段时间后，自然会经历一些演变。

主持人：我记得Jeff在谷歌工作了27年。

皮查伊：整整27年。我感到非常自豪，我和Jeff共事了很长时间。他在谷歌的贡献具有开创性，我们也非常期待看到他在Discovery Loop能够做出什么成绩。首先我想说的是，他当时确实希望在人生某个阶段去做一些让自己感到兴奋、并且能和志同道合的人一起做的事情。至于内部的变动，我想说的是，我们正处于这样一个行业时期：尖端模型的开发是一项会吞噬一切的工作。过去我们有广泛的AI研究、AGI研究等等，但现在尖端模型的开发是全方位占据精力的。它正在快速推进，这是一项规模庞大的系统工程，从数据、算力、算法工作，到管理团队以及利用模型代理来完成任务，无所不包。因此我认为这本身就已经变成了一项至关重要的核心工作。

皮查伊：Demis其实已经思考这个时刻很久了。他特别关注两个方面：一方面是如何安全地度过这个尖端技术爆发的时期，另一方面是如何将其应用到解决其他问题上。他在AlphaFold中做的工作，以及我们现在在Isomorphic Labs所做的事情，都是如何将AGI应用于解决其他问题（比如医学、药物发现）的例证，还有机器人技术等等