--- title: "会写代码的模型，和一个会下雨的世界" date: 2026-11-04 category: 企业动态 site: 脑机网 canonical: https://aiai.cafe/a/njw-deepmind-two-26-1104 language: zh-CN --- # 会写代码的模型，和一个会下雨的世界 > 十月的一个星期里，同一家实验室先后端出两样东西。一样是号称更能干的前沿模型，另一样却不太像模型：给它一句话，它现造出一个能走进去、会刮风下雨的世界。两样摆在一起，比单独看哪一样都有意思。 十月的一个星期里，同一家实验室先后端出两样东西。一样是号称更能干的前沿模型，另一样却不太像模型：给它一句话，它现造出一个能走进去、会刮风下雨的世界。两样摆在一起，比单独看哪一样都有意思。 普通人更熟悉前一种。会答题、会写代码、会替人查资料，这是这几年人工智能留给大多数人的印象。后一种叫世界模型，名字拗口，做的事却直白：不回答你，而是把接下来会发生什么，一帧一帧演给你看。 ## 一个月里，发了两张牌 先把日子摆清楚。十月二十八日，Google DeepMind 发布 Gemini 4 Carbon，官方称它是目前最强的一档，主攻网络安全和要跑很久的长程任务。往前倒两周，同一系列刚发过 Argon。一个月两款前沿模型，节奏快得少见。 几乎同时，实验室还放出 Genie 4 的研究预览。这不是语言模型的新版本，而是另一条线上的新一代世界模拟器。官方博客把两件事分开写，一家公司、一个月份、两条产品线，这个排布本身就像一份战略说明。 为什么要一起看？因为它们回答的是两个不同的问题。一个问：模型能不能把复杂的脑力活干得更好；另一个问：模型能不能先在一个像真的世界里，把动作试一遍。前者更聪明，后者更懂物理。 ## 冲榜的那张牌 Carbon 最受关注的，是第三方榜单上的位置。官方博客写明，它在最新一版的人工智能综合指数里拿到五十九分，排在第一，略高于另外两款顶尖闭源模型。榜单会变，分数也会被追上，但这段时间它是被拿来当标尺的。 它真正下功夫的地方，官方说得很具体：在庞大的代码库里找隐蔽的漏洞、判断哪些漏洞真能被利用、再把根因补上。这类活儿容错率极低，一步想岔，后面全错。模型被训练成能连着跑好几天，撞了死胡同会自己退回来换路。 定价也公布了。按官方说法，它和两周前的 Argon 用同一档尝鲜价：每百万输入词元两美元、输出十美元，缓存输入另算。把它和榜单第一放在一起看，意图就清楚了：既要最顶尖的名声，也不想把单价抬到没人敢用。 不过这还不是这里要细说的地方。评测怎么打、分数怎么算，另有专门的账。更该留意的，是这家公司没把筹码全压在语言模型一条线上，而是在同一个月，把另一张牌也摊到了桌上。 ## 慢着开放，先给少数人 有意思的是，越强反而越不急着卖。官方说，Carbon 先通过一个小范围计划交给部分网络安全防御团队，再慢慢扩到可信伙伴，参与美国政府自愿的发布前测试，面向开发者和普通用户的公开时间，暂时没给。 这种克制不难理解。能找漏洞的能力，反过来也能被拿去利用；能力越强，先看清它会怎么被人用，比先抢一个上线日期更要紧。把最猛的一档先关在门里观察，是这几年前沿实验室越来越常见的做法。 ## 另一张牌，会下雨 Genie 4 就更好懂了。你给一句描述，它实时生成一个能走动、能转视角的虚拟场景；中途改一句“把天气换成阴天”，画面和光线就跟着变。官方说它原生带声音，风声、环境声、人物对话，都能和画面一起生成。 和语言模型比，它不产出答案，产出的是一段会自己往下走的过程。官方博客里那句话很关键：理解并模拟世界，是通往通用人工智能的重要一环。换句话说，光会说不够，还得让机器对世界怎么运转有个能演练的直觉。 它也不单干。官方说明里，画面靠 Gemini 家族锚住真实感，连贯性由另一个模型在旁边盯着，随时把跑偏的场景拉回来。演示里，语言模型把任务拆成步骤，世界模型实时画出机器人动手的画面。 官方也把丑话说在前面：场景能保持连贯的时间还有限，物体和细节会随着时间漂移，生成内容统一打了水印，目前只向可信测试者开放研究预览。热闹归热闹，它还不是一款能随便玩的产品。 ## 机器人先在虚拟里练手 两线交汇的地方，恰恰是最贴生活的一处：机器人训练。真机器摔一次代价不小，让它在仿真世界里先把抓、放、走、避障试上千百遍，再进现实，账要划算得多。官方和媒体报道里，都提到世界模型正被用作智能体的训练场。 游戏、影视预演、互动教学也被反复点名。这些行业的共同点是：想看“如果这样，会怎样”，又不想每次都真搭一个现场。会下雨、能改台词、还能随时重来的世界，正好接住这种需求。 这条线也不只一家在做。近几个月，陆续有公司推出能生成可交互场景的世界模型，行业里开始把它当成区别于语言模型的独立方向。谁也没说它会取代谁，但补课的人多了，赛道就算立住了。 ## 语言之后，还有世界 把两张牌合起来看，一家公司的算盘就清楚了。一边继续把语言模型往更强、更稳、更能扛长任务的方向推；一边另起一摊，让模型学会在虚拟世界里预演现实。一个负责想得深，一个负责试得真。 过去几年，我们衡量人工智能，几乎只用一个尺子：话说得像不像人、题答得对不对。世界模型提醒我们，还有另一把尺子：它能不能在没发生过的事情里，把物理和因果大致猜对。这把尺子，对机器人和自动驾驶更要紧。 当然，别急着把发布会当成明天的生活。两样东西都还在小范围试用，公开时间没个准。但一个月里既交出冲榜的模型、又交出会下雨的世界，至少说明头部实验室已经不满足于只把话说漂亮了。 回到开头那个画面：一边是代码和漏洞，一边是阴天和风声。看着不相干，其实是一件事的两面：先让机器把脑力活干明白，再让它在动手前有个反复练习的地方。下一处战场，或许就藏在那片会下雨的天地里。 **免责声明：本文基于公开信息撰写，仅供读者参考，不构成任何投资建议。** --- 来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-deepmind-two-26-1104 本内容仅供参考，不构成投资建议。