AREXOpen in interactive Feed

AREX Feed Article

Google AI 发帖盘点近两周八项出货:Genie 4 首次进入 Gemini API 与 Google AI Studio

November 20, 2026

北京时间 11 月 21 日凌晨(UTC 时间 11 月 20 日 17:19),Google 官方账号 @GoogleAI 发帖,以「We've been busy shipping」(最近忙着出货)开头,汇总了近两周的出货清单,一共八项:Gemini 4 Neon、Gemini 4 Hydrogen、Gemini 4 Carbon 三款模型;Genie 4 在 Project Genie 可用,并首次进入 Gemini API 与 Google AI Studio;Gemini 3.5 Transcribe 新增原生语音编辑;再加上 Gemini Robotics 2.5、AlphaGenome 2 和 Google Labs 的新实验 Stitch Loop。截至发稿(帖子发出约 12 小时后),它已获得约 7.0 万次浏览、1,100 余个赞和 89 条回复。

八项里,七项此前已单独官宣,盘点帖只是复述其官方定位;新增口径集中在两处:一是 Genie 4 的开发者可用性,开放本身已有第三方报道佐证,「首次进入」是 Google 自己的措辞;二是 Gemini 3.5 Transcribe 的语音编辑能力,截至发稿没有找到对应的单独公告或文档。整份清单是 Google 的单方汇总,帖子未附任何独立评测。这份「近两周」其实略宽:Genie 4 的研究发布在 10 月 27 日,距发帖已有 24 天。

Gemini 4 三款模型的分工:Neon 居中,Carbon 面向长程,Hydrogen 求快

盘点帖对三款模型的描述是一张分工表:Neon 带来「前沿级智能」(frontier-level intelligence),在复杂软件工程、知识工作与科学工作流中快速完成端到端任务;Hydrogen 负责日常编码与智能体(agentic)工作流的速度和效率;Carbon 面向最难的长程(long-horizon)项目与深度研究。这与 Neon 发布文给出的家族逻辑一致:Carbon 负责最难的长程项目,Hydrogen 处理快速日常执行,Neon 在深度与效率之间取平衡。

三款模型各有日子可查。Carbon 在 10 月 28 日官宣,公布的入门定价与家族中此前的 Argon 持平:每百万输入 token 2 美元、输出 10 美元;Hydrogen 于 11 月 12 日发布,定位是快速、成本低、面向可靠智能体工作流与日常任务的模型;Neon 在 11 月 18 日开始推送。据 9to5Google 报道,Carbon 与 Hydrogen 都在 11 月 18 日 Neon 发布前的一周内上市。

Neon 的发布文给出了具体数字:按其援引的第三方基准,Neon 在 Artificial Analysis Intelligence Index 的 xhigh 思考档得 61 分、总排名第三,仅次于更大更慢的模型,在 Vals Index 上排第二。定价为每百万输入 token 3 美元(缓存输入 0.15 美元,相当于 95% 折扣)、输出 15 美元,上下文窗口 100 万 token;Google 称在默认 high 思考档下,Neon 的单任务成本比 Carbon 低 32%。推送范围包括 Google AI Studio 里的 Gemini API、面向企业的 Gemini for business,付费 Pro 与 Ultra 订阅者可在 Google Antigravity 和 Gemini 应用中选用。

Genie 4 的两次开放:先给 Ultra 订阅者,再给付费 API

盘点帖里增量最直接的是 Genie 4 的入口变化。DeepMind 在 10 月 27 日发布研究综述介绍它;模型页面称其为「迄今最真实、交互性最强的世界模型」,并解释了机制:Gemini Omni 负责把模拟锚定在真实世界的外观与行为上,其余 Gemini 模型提供维持模拟连贯与连续所需的推理,用户用自然语言实时改世界——移动镜头、添加角色、改变天气。

第一次开放发生在 11 月 18 日:Project Genie 新体验向符合资格的 Google AI Ultra 订阅者开放,Pro 用户可先加入 waitlist(等候名单),这次更新首次向用户解锁 Genie 4。会话中途就能输入新提示改世界:换天气、加入角色、改剧情走向;Genie 4 首次给画面配上随场景自适应的实时原生音频,从环境声到角色对话;所有生成的视频与音频都带 SynthID 水印。同一批更新还包括新的创作智能体(编排 Google 的多模态模型生成视觉与配乐)、可探索与再混合的社区画廊,以及 Genie 3 的保留与升级,单次生成从 60 秒延长到 3 分钟。

第二次开放在 11 月 19 日前后:The Defiant 当天报道,付费 Gemini API 上的 Genie 4 支持带原生音频的交互世界,单次会话上限 2 分钟,并发会话数按付费档位限制。

语音编辑:目前只出自盘点帖的 Transcribe 新能力

盘点帖对 Gemini 3.5 Transcribe 的描述是一次能力新增:原生语音编辑(native voice editing),让开发者构建这样的体验——用户仅凭语音,在单步内编辑、改写并翻译现有文本,经 Google AI Studio 的 Gemini API 提供。

Transcribe 模型本身不新:Google 在 8 月 26 日发布它时,称其为当时最精准的语音转文本模型。按 AI Studio 文档,它自动检测 85 种以上语言、支持中途语种切换、最多 8 人的说话人分离、词级时间戳和最多 1,000 条的自定义词表,单次音频最长 1 小时(启用说话人分离或时间戳时为 30 分钟)。截至 11 月 21 日发稿,这份文档的最近更新时间还停在 2026 年 8 月,能力清单里没有语音编辑。也就是说,截至发稿,这个功能的官方口径还只有 @GoogleAI 盘点帖这一条。开发者一侧的反应来得很快,用户 Avery_Coree 在回复里写道:「Transcribe API 有语音编辑了,我脑子里已经冒出三个傻乎乎的小应用。」

Stitch Loop:PR 合并之后,循环盯到指标达标为止

Stitch Loop 是 Google Labs 在 11 月 18 日发布的实验,把设计工具 Stitch 往前推了一步:发布文称它是一个长期运行的产品智能体,连接代码库与实时指标,找出需要修的地方,然后持续工作到目标达成。盘点帖的复述与之一致,即监控生产数据、运行持续循环、改进所设计的产品直至目标达成。

它的机制是四步循环:基于产品证据给出改进建议,列出带取舍与范围的方案,选中方向后在隔离云沙箱写代码并开 GitHub PR(pull request,合并请求)供人审核,相关时会附上工作截图与视频,最后根据线上数据反思、进入下一轮。它通过 180 多个集成、自定义模型上下文协议(MCP)服务器或本地命令行界面(CLI)上传,接入 GitHub 与产品上下文(日志、用户行为、反馈),开箱自带三个循环。未经人工审核的 PR 不会合并;目标达成后它继续监控,防止指标回落。内置循环覆盖安全、延迟与无障碍,也支持自定义(比如提升结账转化率);安全循环把 Gemini 4 Carbon 的网络安全能力与 DeepMind 的代码安全智能体 CodeMender 组合。waitlist 面向全球用户开放,Google AI Ultra 用户优先;在 Slack 里用 @stitch 可以拿到每日摘要、新建循环。

机器人拣配 96% 成功率,基因组变异识别几乎翻倍

盘点帖的两条 DeepMind 研究条目对应 11 月上旬的两次发布。Gemini Robotics 2.5 在 11 月 10 日发布,被 DeepMind 称为迄今最强的视觉-语言-动作(vision-language-action,VLA)模型。据发布文,评估覆盖 200 多个不同任务,用夹子分餐、给礼盒系蝴蝶结、移液都在其中;与此前基线相比,成功率视任务类型提高 30%~100%,完成速度快 20%~30%。更实际的考验在工厂:DeepMind 与 Apptronik、梅赛德斯-奔驰合作,在匈牙利凯奇凯梅特与德国辛德芬根的产线上,由 Apollo 2 人形机器人以 Gemini Robotics ER 跟踪工序、以 2.5 控制手与手臂,执行汽车套件拣配,成功率 96%。该模型正在推向 DeepMind 的机器人合作伙伴。发布文里还有一句与盘点帖缺席者相关的话:这次进展「在很大程度上归功于 Gemini 4 Argon 加速机器人研究的能力」。

AlphaGenome 2 于 11 月 11 日发布,把 DNA 变异预测从大块组织的平均值细化到单个细胞类型与状态。它是一个条件模型,同时输入一段 100 万字母的 DNA 序列和目标生物学条件;训练数据超过 1 亿份单细胞数据,覆盖 68 种组织。按发布文援引的 TenK10K 数据集(覆盖 28 种原代免疫细胞)结果,相比在单细胞数据上微调过的初代 AlphaGenome 及其他专用工具,它识别出的因果变异从 16% 提高到 30%、方向性基因效应从 23% 提高到 43%,约为前代的两倍;它还在计算上复现了一项既有发现,即一个远端调控开关的变异通过在肠道巨噬细胞中过度激活 ETS2 基因驱动 IBD(炎症性肠病)。模型已通过 AlphaGenome API 向非商业研究开放,商业研究可通过 Google Cloud 的私有预览(private preview)使用。

回复区:追问 Argon、订阅投诉与对 Stitch Loop 的质疑

盘点帖的回复分成几类声音。在抓取到的回复样本里,出现最多的一类是追问 Argon:sanityenvoy 问「你们把 Argon 弃用了吗?为什么连个公告都没有?」,digitalrnk 问「Argon 怎么了?」。Argon 不在八项清单里,但它并非无迹可循:Google 自己的 Carbon 定价文把它作为对标对象,Robotics 2.5 发布文把研究进展归功于它。盘点帖正文没有解释它的去向。

也有对可用性的抱怨:BareTreadUK 称自己购买了宣传页写明附带 Google AI Pro 的运营商套餐,却「根本用不上 Hydrogen」(该用户的单方说法)。夸奖与批评同时出现:I385311131205 说「Carbon 做知识工作很好,但真的太慢了。Neon 和 Hydrogen 都很棒」;对 Stitch Loop,ilmAI_ 的质疑是:「这样的循环,你给它什么指标它都能达成,至于产品有没有真的变好,是另一回事。」

到本文截稿时,两个问题没有下文:语音编辑还没有进入 AI Studio 的 Transcribe 文档,盘点帖正文也没有说明 Argon 为什么缺席。

参考链接

  • Google AI (@GoogleAI) 的出货盘点帖
  • Introducing Gemini 4 Neon(Google 官方博客)
  • Gemini 4 Carbon: our next frontier model(Google 官方博客)
  • Introducing Gemini 4 Hydrogen for Agentic Workflows(Google 官方博客)
  • Gemini 4 Neon launches(9to5Google)
  • Genie 4: A new generation of world simulation(Google DeepMind 博客)
  • Genie 4 模型页面(Google DeepMind)
  • Genie 4 is now available(Google 官方博客)
  • Google Opens Genie 4 World Model to Developers(The Defiant)
  • Intelligent transcription with Gemini 3.5 Transcribe(Google 官方博客)
  • Gemini 3.5 Transcribe 模型文档(Google AI Studio)
  • Introducing Stitch Loop(Google 官方博客)
  • Gemini Robotics 2.5: Accelerating Physical Intelligence(Google DeepMind 博客)
  • AlphaGenome 2: Deciphering how cells read DNA(Google DeepMind 博客)
  • sanityenvoy 的回复
  • digitalrnk 的回复
  • BareTreadUK 的回复
  • I385311131205 的回复
  • ilmAI_ 的回复
  • Avery_Coree 的回复