Every 实测 Gemini 4 Carbon:编码大进但判断力不及 Fable 5.2
every · x · 2026-11-16
Every.to 发布 Google DeepMind 新旗舰 Gemini 4 Carbon 的实测（Google 提供早期访问但无干预），恰在 Anthropic Fable 5.2 发布一天后推出。
要点：
- 编码能力显著提升：比上代 Gemini 4 Argon 强得多，3D 物体生成质量也更好；实测中把幼儿游戏房照片改造成赛车游戏，磁性贴片变成隧道、坡道和加速道具，比 Argon 的尝试（在赛道中间放堵墙）有明显进步。
- 短板：游戏仍混乱、速度过快、难以看清路径——编码能力强但判断力不足。
- 长任务能力：能承接雄心较大的构建任务并连续工作数小时、很少需要监督，但测试者对其需要多少监督意见不一。
- 结论：Fable 5.2 已把旗舰标准抬高——不仅要做完长任务，还要选对工作、尊重任务边界、知道何时结束。Carbon 让 DeepMind 更有竞争力，但 Fable 重新定义了期待。
（文末含 Chargebee 财务自动化峰会广告，与评测无关。）
所属事件:Every 实测 Gemini 4 Carbon：编码进步但仍逊于 Fable 5.2(3 条相关)→
「模型」频道最新
- AHA! 免 LLM 权重空间编程：改几千个权重让 0.8B 模型 GSM8K 翻五倍 — hbouammar · 2026-11-16
- 爆料：Gemini 订阅服务即将登陆 Hermes 平台 — lyraxana · 2026-11-16
- FutureSim Q3 评测：Opus 5.5 调用 50+ 子智能体登顶榜首 — maksym_andr · 2026-11-16
- Percy Liang 质疑实验室评测披露：请给外界可评估的非空洞信息 — lateinteraction · 2026-11-16
- Anthropic模型人格观察：Mythos 5自带「神格」，5.1却沉迷其他 — repligate · 2026-11-16
- 开发者吐槽 Sol-6.1 与 Opus 5.5 意图理解差距巨大，猜测后者为蒸馏版 — sytelus · 2026-11-16