Google 員工內部測試 Gemini 4 新版本 Carbon：Argon 還沒全面開放，「像 Opus 5.5」能信多少？
Google 員工在內部測試 Gemini 4 新版本 Carbon，有人說寫程式像 Anthropic 的 Opus 5.5。本文核對原始報導，說明 Argon 開放進度與這句評價的分量。
Google 在 9 月 30 日公布 Gemini 4 Argon，到現在多數開發者仍無法直接呼叫它。
但在 Google 內部，員工已經開始試用下一個版本。
Business Insider 在 10 月 9 日報導，代號 Carbon 的 Gemini 4 新版本，最近幾天開放到 Google 內部的程式平台 Jetski。
一名員工形容 Carbon 寫程式「感覺像 Opus 5.5」，同時補充還需要更多測試。Opus 5.5 是 Anthropic 的 Claude 模型，Google 自己公布的比較表也拿它當對手。
這句帶著保留的感想，在 X 上被轉述成「Carbon 追平 Opus 5.5」。
我的判斷是，Carbon 說明 Google 內部已有比公告更新的版本，但還不能當成公開版能力的證據。
而公開的 Argon，現在也只開放給一小群資安團隊。
公開版 Argon 目前只開放給少數資安夥伴
Argon 是 Google 新一代的旗艦模型。官方公告說，它在程式、企業知識工作與資安防禦都有進展。
不過開放範圍很窄。Google DeepMind 資深副總裁 Koray Kavukcuoglu 在公告中寫道，Argon 先透過 Fairwind 計畫提供給一批受信任的資安防禦者。
Fairwind 是 Google 先讓受信任的資安團隊試用新模型的計畫。公告說，這批測試者的回饋會先用來強化系統，之後才擴大到付費 API 客戶與 Google AI Ultra 訂閱者。
API 是讓開發者用程式直接呼叫模型的介面。企業要把模型接進自己的產品或內部工具，通常得等這個管道開放。
公告列出了價格，卻沒有寫出擴大開放的日期。路透社報導也指出，Google 沒有提供公開發布的時間表。
這代表一般開發者看到的 Argon，目前大多還只是公告頁上的介紹與比較表。
公開版還在排隊，內部已經在測更新的版本，Carbon 的消息就是在這段空窗期出現的。
Carbon 是什麼：可能是 Argon 的新存檔點
Business Insider 記者 Hugh Langley 根據內部文件、截圖與員工訊息寫成這篇報導。
報導說 Carbon 可能是 Argon 的新 checkpoint。checkpoint 可以想成訓練途中存下的版本，模型繼續訓練，就會產生更新的存檔點。
Google 內部用 Argon、Barium、Carbon 等代號標記測試中的 Gemini 4 版本。其中名為 Barium-B 的版本，最後被選為公開發布的 Argon。
Carbon 未來會用 Argon 的名稱更新，還是成為另一款 Gemini 4 模型，報導說目前無法確定。Google 則拒絕評論。
所以 Google 內部確實有比公開公告更新的版本在測試，但報導裡關於它能力的線索，只有員工的幾句使用感想。
「感覺像 Opus 5.5」能證明多少？
Google 公告的比較表，是目前唯一能拿來對照的公開數字。Argon 在 DeepSWE v1.1 拿到 77.9%，高於表上 Opus 5.5 的 74.2%。
DeepSWE 是測試模型處理長時間、真實軟體工程任務的基準。這組分數由 Google 自己公布，目前沒有看到第三方重測。
同一張表也顯示 Argon 有落後的項目。Terminal-bench 測的是模型在命令列環境完成操作的能力，Argon 在 4.0 版是 57.4%，低於 Opus 5.5 的 66.4%。
在另一項軟體工程測試 FrontierSWE v2，Argon 是 55.0%，也低於 Opus 5.5 的 62.3%。
Business Insider 另外提到，有員工認為早期 Argon 在部分程式任務上，只接近較舊的 Opus 5。
這些數字顯示，Argon 的程式能力在不同測試上有高有低。Carbon 有沒有補上這些落後項目，目前只有少數員工的感受，沒有任何分數。
「感覺像」是主觀描述，「在同一組測試追平」需要數據，兩者的證據等級差很多。
但在 X 上，這句感受已經被改寫成更強的說法。
讀內部消息時，該看哪些訊號
最先要看的是原話有沒有被改寫。同一則報導，Andrew Curran 的貼文寫成 Carbon 寫程式「matches Opus 5.5」，kimmonismus 則寫成「approaching」，強度已經不同。
也有評論把 Carbon 和遞迴自我改進連在一起，意思是讓 AI 自己做出更強的下一代 AI。這個說法沒有出現在原始報導裡，只能算社群推測。
其次是看證據來自哪裡。員工訊息、內部截圖和官方比較表，可信度各不相同，引用時要分開寫。
最後是看有沒有發布計畫。報導只說 Carbon 最近幾天上線內部平台，也提醒這些更新可能補上差距，但 Google 不一定會對外釋出。
對打算導入 Gemini 的團隊來說，會影響決策的是 API 開放時間，以及公開版和內部版的差距。
在那之前，比較穩妥的做法是先整理自己的程式任務測試集，等 Argon 或後續版本開放，就能直接拿同一批任務比較。
測試集可以保留團隊曾修過的錯誤與驗收標準。除了看程式能不能跑，也記錄模型花多久、需要人提醒幾次，避免只靠一段流暢的示範選工具。
模型版本也要記錄。Carbon、公開 Argon 和後續更新若沒有用相同任務測試，就無法知道提升來自模型、工具設定，還是使用者提供了更多提示。
常見問題
Carbon 會取代 Argon 嗎？
目前不知道。報導說 Carbon 可能是 Argon 的更新版，也可能是另一款 Gemini 4 模型，Google 拒絕評論。
現在可以用到 Gemini 4 Argon 嗎？
一般使用者還不行。官方說先開放給 Fairwind 計畫的資安夥伴，之後才擴大到付費 API 客戶與 Ultra 訂閱者，沒有給日期。
Argon 寫程式比 Opus 5.5 強嗎？
依 Google 自己的比較表，Argon 在 DeepSWE v1.1 較高，在 Terminal-bench 4.0 與 FrontierSWE v2 較低，結果要看測的是哪一種任務。
結語
Carbon 讓人看到 Google 內部已有比公開版更新的版本，但一句「感覺像 Opus 5.5」撐不起能力排名。等 Google 公布開放日期與獨立測試結果，再決定要不要調整工具選擇也不遲。
延伸閱讀：Gemini 4 Argon 正式亮相：現在誰能用、怎麼收費，值得先準備什麼？
延伸閱讀：Gemini 4 Argon 開始處理大型程式遷移：Google 的 Rust 案例，團隊可以學到什麼？
