Gemini4Argon上线72小时吞吐25万亿Token，谷歌CEO详解砍掉3.5Pro与RSI研发新阶段

Google最新旗舰大模型Gemini 4 Argon于2026年10月正式上线，其首周表现远超预期：仅72小时内，模型累计处理近25万亿Token，消耗量达到上一代Gemini 3.0同期的3倍，创下公司历史纪录。即便坐拥全球最庞大的自建TPU集群，Google仍不得不对部分API调用实施临时限流——这一现象本身已成为当前AI基础设施紧张的缩影。

在科技播客《Sources》与《Big Technology Podcast》的联合专访中，Google CEO桑达尔·皮查伊首次系统回应了外界关于模型路线、组织架构与资源分配的核心疑问。此次访谈被视为Google对“前沿AI投入是否值得”这一市场质疑的正式澄清。

主动舍弃3.5 Pro：一场为Agentic Coding发起的战术转向

外界曾长期困惑：为何在I/O大会上亮相的Gemini 3.5 Pro最终“消失”？皮查伊明确表示，该版本并非被搁置，而是被团队主动放弃。原因在于2026年年中的一次关键评估：Gemini 3.5系列在Agentic Coding（智能体编程）任务中暴露出显著能力缺口——模型难以维持长程上下文一致性，无法自主规划多步骤代码生成与调试流程。

为快速补足短板，Google选择了一条非传统的技术路径：放弃传统“大模型单点突破”模式，转而以轻量级Gemini Flash系列为试验田，进行高频迭代。在约三个月内，团队密集推进了3.5 Flash → 3.6 Flash → 3.7 Flash → 3.8 Flash的连续版本演进，验证了多项关键技术，包括动态记忆压缩、跨函数状态追踪与错误回溯机制。

当这套方案在Flash系列中跑通时，Gemini 4.0 Argon的预训练已完成。权衡之下，团队决定跳过3.5 Pro发布，将全部验证成果注入Argon的后训练阶段。此举直接推动Argon在长程任务能力上的跃升：外部测试中，它耗时约26小时、花费不足2000美元算力即自主通关《我的世界》；内部则已将其接入Chromium代码库，处理数百万行级工程任务。

皮查伊强调，所谓“Carbon模型”仅为内部代号，目前团队正基于Argon开展模型蒸馏，目标是推出能力接近但推理成本更低的轻量版本，以扩大用户覆盖。

RSI阶段开启：模型开始参与自身研发流程

Argon的真正价值不仅体现在对外服务能力，更在于其已深度融入Google内部研发闭环。皮查伊透露，公司目前已进入“递归自我改进”（Recursive Self-Improvement, RSI）的早期协同阶段——这不是指模型完全自主进化，而是人类研究员与AI智能体形成高效协作网络。

具体而言，Argon已能：

• 自动评估不同训练检查点的潜在价值；
• 提出新的数据配比与损失函数组合建议；
• 为后续训练周期生成初步配方草案。

皮查伊本人每日使用内部Agent汇总预训练、中训练、后训练及数据群组的24小时进展，平均节省约1小时信息同步时间；另一套接入遥测数据的Agent则实时监控各团队算力使用效率，动态优化调度策略。

他特别指出，Argon上线四周内，Google内部开发者提交的代码量提升30%，代码回滚率下降约三分之一——这表明质量提升而非单纯速度加快，是能力跃迁的可靠指标。

DeepMind重组与算力优先级重置

近期DeepMind高层变动——Jeff Dean离职创立Discovery Loop、Demis Hassabis退居首席科学家、Koray Kavukcuoglu接任CEO——亦首次获得官方解释。皮查伊称，核心动因是前沿模型研发已演变为“吞噬全部精力的超大规模工程”，需专职负责人统筹数据、算力、算法与人机协同全流程。

Koray在DeepMind任职超十年，且18个月前已迁至湾区主导跨部门整合，由其接管模型研发管线顺理成章；Demis则转向Isomorphic Labs等落地场景，聚焦AI制药与机器人等应用方向。

更关键的是资源分配逻辑的转变。皮查伊罕见承认：Google Cloud业务正在为DeepMind前沿研发“主动让渡算力”。他指出，当前行业算力极度短缺，“每家公司都希望自己手里的算力是当初规划量的2倍”，客户想锁定2027年算力“极其困难”。在此背景下，Google选择将TPU资源优先保障Argon及下一代模型训练，即便这意味着短期云收入承压。

财务层面，2026年夏季Google出现IPO以来首次自由现金流转负，同时上调2027年资本开支指引。皮查伊解释：自研芯片与数据中心建设周期长达2–3年，今日决策反映的是两年前的判断；而2025年尚未迎来Agent编程爆发期，如今必须前置投入。公司已在规划2028–2029年的土地与电力储备，“所有算力都在被真实消耗”，绝非当年暗光纤泡沫式的闲置。

架构统一与5.0展望

产品层面，Google正抹平企业端与消费端Agent的技术鸿沟。皮查伊确认，无论面向B端还是C端的Gemini Agent，底层均运行同一模型、同一框架与同一运行时，差异仅在于注入的上下文类型（企业知识库 vs 个人数据）。企业级微虚拟机隔离与7×24安全运行机制，也将逐步下放至消费端。

至于下一代Gemini 5.0，皮查伊直接剧透：“将比现在的4.0 Argon强得多”，并强调其性能提升不仅来自参数规模，更源于RSI机制带来的训练效率质变。

值得注意的是，皮查伊对“小模型够用论”持务实态度：他认可Gemini Flash、Flash Light等轻量模型在多数场景的价值，也承认前沿模型“往往更慢更贵”，但坚持“前沿进展必须持续投入”——因为早一步观察到涌现能力，就早一步定义下一代技术标准；而用低性能模型构建研发流水线，如同用粗工具制造精密仪器，误差将逐层放大。

这场访谈清晰勾勒出Google在AGI竞赛中的战略重心：不追求短期盈利最大化，而致力于构建“模型驱动模型进化”的正向循环。当Argon已能协助工程师编写与调试真实系统级代码，当RSI进入人机协同实操阶段，AI从工具向伙伴的转化，正在加速落地。