Gemini 4 Carbon 实测慢得离谱:问题不在推理,而在干了太多没人要求的活

2026 年 11 月,开发者博客 kernel.dev 在私有评测中追踪 Gemini 4 Carbon 解决代码缺陷的全过程,发现其耗时约为 GPT-6 Astra 的七倍,主要原因是反复做超出任务范围的工作,而非模型推理本身慢。

一句话看懂:2026 年 11 月,开发者博客 kernel.dev 在私有评测中追踪 Gemini 4 Carbon 解决代码缺陷的全过程,发现其耗时约为 GPT-6 Astra 的七倍,主要原因是反复做超出任务范围的工作,而非模型推理本身慢。

事件核心:发生了什么

该评测让模型在带有 bug 报告(只描述症状)的代码库中定位并修复缺陷。数据显示,Carbon 单任务平均步数约为 Astra 的 7 倍,读文件、跑命令等动作约 11 倍,生成量约 7 倍,因每步重发更长的对话,输入处理量超过 16 倍。追踪中,约一半步骤用于修补工单未要求的代码、排除工单已排除的情形,还包括约 20 步重复阅读同一段代码。换用 opencode 和 mini-SWE-agent 两个 agent 框架后结果无明显变化。作者认为,相较 Astra,推理速度只解释 16%–30% 的差距;相较 Opus 则解释 45%–49%。

为什么重要

模型竞争长期围绕单次回答质量与响应速度,这项评测提示,在真实工程任务里,多步 agent 的总成本更取决于“做了多少无用功”。若大模型在训练中更奖励答对、少惩罚多走几步,就容易形成过度作业的倾向。这对按 token 计费的 API 和企业批量部署影响直接:单步提速未必省钱,轨迹长度和工具调用次数可能成为更重要的选型指标。该结论来自单一博客的私有评测,时间与条件有限,不宜当作长期排名。

对用户/开发者/创作者的影响

开发者在使用 coding agent 时,应把总耗时、步骤数和 token 消耗分开评估,不要只看单次生成速度;对任务边界要求严格的场景,可以在提示或 harness 中加入“是否已有足够信息动手”的检查点。作者复跑案例显示,每五轮注入一次检查后,Carbon 完成时间从 37 分钟降到 28 分钟,宣布原因到首次编辑的间隔从 25 分钟缩到约 10 分钟——目前公开信息显示,这指向行为习惯而非知识不足。普通用户体感卡顿,也可能来自任务被做宽,而非算力不够。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是 Google 是否在后续版本中调整 Carbon 的推理预算或停止条件;二是第三方 agent 框架能否通过 harness 设计压缩无谓步骤;三是社区“慢但好用”的评价能否在更多独立评测中复现。价格与订阅补贴口径是否变化,同样值得留意。

来源:Hacker News (黑客新闻)

celebrityanime
celebrityanime
文章: 36045

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注