Gemini 新旗舰延期，编程仍掉队

谷歌下一代旗舰 Gemini 模型已经比原计划推迟约两个月，但内部测试结果仍未达到预期，编程能力尤其落后于主要竞争对手。北京时间 8 月 13 日，据路透社 8 月 12 日报道，这次延期与 Google DeepMind 刚刚完成的管理层重组直接相关，谷歌联合创始人谢尔盖·布林也已重新介入，要求核心团队“全力投入”并加快追赶。

下一代旗舰 Gemini 是谷歌正在研发、用于接替现有最高能力版本的通用多模态模型。部分报道将它称为“Gemini 3.5 Pro”，但谷歌尚未正式公布最终产品名称、发布日期、参数规模、上下文长度、价格或完整基准测试，因此现阶段更准确的称呼仍是“下一代旗舰 Gemini”。

这不是一次普通的发布日期滑动。对于拥有自研 TPU、全球顶级研究团队以及搜索、Android、Workspace 和 Google Cloud 分发渠道的谷歌来说，延期两个月本身并不致命；真正危险的信号是，团队多投入了两个月，最关键的编程短板仍没有补齐。

编程能力已经成为旗舰模型的硬门槛

编程能力是模型理解代码、生成代码、定位缺陷，并在终端、代码仓库和测试环境中连续完成任务的综合能力。它不等于“写出一道算法题”，而是要求模型能阅读大型项目、修改多个文件、调用工具、执行测试，并根据报错反复修正。

谷歌内部测试显示，新 Gemini 在编程等关键能力上仍落后于竞争对手。公开报道没有披露具体分数、测试集名称或领先幅度，这意味着外界暂时无法判断差距究竟来自 SWE-bench 一类真实软件工程任务、Terminal-Bench 一类终端任务，还是谷歌内部自建评测；任何带有精确跑分的社交媒体说法，目前都不应视为官方结果。

编程能力之所以被单独点名，是因为它正在从模型的加分项变成智能体产品的底层能力。聊天模型偶尔生成一段错误代码，用户还可以手动修正；代码智能体如果在数十个文件之间做错依赖修改、误删配置或无法通过测试，整条自动化工作流就会中断，模型再强的写作和多模态能力也无法弥补。

谷歌的压力还来自竞争节奏已经明显缩短。Gemini 3 在 2025 年 11 月发布后曾一度回到前沿模型第一梯队，但随着 Anthropic 和 OpenAI 继续更新模型，谷歌很快又从领先位置回到追赶状态；今年 4 月 Anthropic 推出 Claude Mythos 预览版后，布林还在一场面向数百名员工的内部会议上要求 DeepMind 提速。

目前能够确认的竞争信息并不完整，但各家的位置已经足够说明问题：

| 模型或厂商 | 截至 2026 年 8 月的状态 | 编程能力证据 | 当前主要优势 | 主要不确定性 | |---|---|---|---|---| | 谷歌下一代旗舰 Gemini | 被曝延期约 2 个月，仍在调整 | 内部测试被曝落后于竞争对手，未公布分数 | 原生多模态、自研 TPU、搜索与办公生态 | 正式名称、发布时间、价格和跑分均未官宣 | | Gemini 3 | 2025 年 11 月发布 | 发布后一度达到前沿水平 | 谷歌产品分发能力强 | 已被竞争对手后续版本追近或反超 | | Anthropic Claude Mythos 预览版 | 2026 年 4 月推出 | 被报道视为谷歌内部加速研发的重要刺激 | 代码任务与智能体场景是核心竞争方向 | 本次报道未给出与新 Gemini 的同一测试集分数 | | OpenAI 新版本 | 已持续迭代 | 被谷歌内部视为主要比较对象 | 开发者生态和工具调用成熟 | 本次报道未说明具体参与比较的模型版本 |

这张表最值得注意的不是谁在某个榜单上领先，而是谷歌目前没有拿出可供外部复核的同口径数据。模型延期阶段最常见的误判，是把零散的内部测试、匿名爆料和未经证实的社交平台跑分拼成一张排行榜；在谷歌正式发布模型卡或评测报告前，能确认的只有“内部认为编程表现未达标”，不能进一步推导出精确差距。

延期背后不是单一技术问题

Gemini 此次延期暴露的是组织、算力和研发优先级三类问题叠加。路透社采访的 7 名知情人士称，Gemini 开发团队长期存在多名项目负责人，不同负责人在训练重点和资源分配上意见不一，部分方向甚至持续内耗。

多头管理对基础模型研发的伤害比普通软件项目更大。一次旗舰模型训练需要提前确定数据配比、后训练方案、评测重点和算力预算，如果代码团队想增加代码数据与强化学习资源，多模态团队希望扩大视频训练，产品团队又要求降低推理成本，那么每一次方向改变都可能让此前价值数百万甚至数千万美元的实验失去参考意义。

内部审批流程同样拖慢了谷歌的迭代速度。4 名知情人士表示，谷歌长期存在的管理和审批问题，使其很难像部分竞争对手那样迅速修改模型、开展测试并发布新版本；当 OpenAI 或 Anthropic 可以围绕某个明显短板集中资源时，谷歌却需要协调 DeepMind、Google Cloud、Android 及其他产品部门的诉求。

谷歌的产品规模在这一阶段反而可能成为负担。Gemini 不只需要服务一个聊天机器人，它还要进入搜索、云服务、办公套件、移动操作系统和开发工具，因此发布前必须同时考虑安全、延迟、推理成本、地区合规与旧产品兼容性；这些要求让谷歌拥有更大的商业落地空间，也让旗舰模型更难以“先发布、再修正”。

TPU 不是无限资源，谷歌也要抢算力

TPU 是谷歌自行设计、用于训练和运行机器学习模型的专用加速芯片。外界常把自研芯片视为谷歌对抗英伟达供应约束的护城河，但自研不等于无限供应，DeepMind 的模型训练、Google Cloud 的企业客户、消费级产品推理和内部实验都在争夺同一批基础设施。

算力紧张已经影响到 Gemini 的研发优先级。知情人士称，有限 TPU 资源与团队协调问题叠加，使编程这个后来成为行业竞争焦点的方向一度没有获得足够资源；谷歌 CEO 桑达尔·皮查伊也在 2026 年 7 月的财报电话会上表示，公司将继续扩建基础设施，以缓解模型训练、消费产品和企业业务面临的 TPU 限制。

这类算力冲突并不能简单理解为“机器数量不够”。前沿模型研发需要连续、稳定且规模足够大的计算集群，临时增加一些零散芯片并不能等价替代；如果训练集群被商业云业务切分，团队可能拥有很高的总算力，却难以在关键窗口组织起一次完整的大规模训练。

谷歌云与 DeepMind 的利益也天然不同。云部门希望把稀缺 TPU 提供给付费企业客户，以形成收入和客户黏性；DeepMind 则需要把算力投入高风险、结果不确定的训练实验，这些实验短期未必产生收入，却决定谷歌半年后的模型竞争力。

DeepMind 换帅，是在给 Gemini 建立单一责任人

Google DeepMind 是谷歌负责前沿人工智能研究和 Gemini 模型研发的核心组织。谷歌在 8 月 5 日宣布大规模调整：DeepMind 负责人戴密斯·哈萨比斯转任董事长并减少日常管理职责，长期副手科拉伊·卡武库奥卢接手主要运营工作。

卡武库奥卢实际上早已成为 Gemini 的关键负责人。皮查伊在 2025 年任命他担任谷歌首席 AI 架构师，负责推动 Gemini 进入谷歌各项产品；知情人士称，他在一年多前就获得了 Gemini 研发监督权，今后还将对 Google DeepMind 的重大决策拥有最终决定权。

这次调整的核心不是哈萨比斯“离开 AI”，而是把研究领导与日常交付进一步分开。哈萨比斯更适合维持长期研究路线和外部影响力，卡武库奥卢则要直接处理资源分配、产品整合、云部门协调和模型发布，这相当于给 Gemini 项目补上一位权责更清晰的总负责人。

部分非技术团队还将从 DeepMind 转入谷歌公司的汇报体系。这个动作可以减少研究机构承担的产品运营职能，但也可能让前沿研究与商业产品之间增加新的接口；重组能否提速，取决于卡武库奥卢是否真正拥有调动 TPU、决定训练优先级和压缩审批链条的权力，而不是只改变组织架构图。

Gemini 原有技术领导层的变化也增加了交接风险。杰夫·迪恩和奥里奥尔·维尼亚尔斯这两名最初的技术联合负责人已经离开并共同创办新公司，相关团队以及部分非 Gemini 研究项目如何安排仍不完全明确；旗舰模型正处在冲刺阶段，核心人员离开通常会放大技术路线与组织记忆断层。

布林重新督战，说明问题已上升到公司最高层

谢尔盖·布林是谷歌联合创始人，目前虽不担任正式管理职务，却仍能对公司重大技术方向施加影响。知情人士称，他近几个月持续向核心 AI 员工强调追上前沿模型，并非正式参与训练方向和资源配置，还推动团队探索“递归式自我改进”等路线。

递归式自我改进是让 AI 系统参与改进自身训练数据、评测、工具或模型开发流程的方法。它并不意味着模型可以脱离人类监督无限升级，更现实的形式是用模型生成训练题、筛选错误案例、编写评测工具或辅助研究人员寻找下一轮训练方案。

布林亲自督战能在短期内打破部门壁垒，但无法代替稳定的工程机制。创始人可以要求所有人“全力投入”，也可以推动更多 TPU 向 Gemini 倾斜，却不能让一次训练自动成功；如果数据质量、代码强化学习、评测体系和发布流程没有同步改善，高层施压只会制造更多临时优先级。

谷歌真正需要解决的是从研究成果到产品发布之间的转换效率。DeepMind 从不缺顶级论文和研究人才，谷歌也不缺用户入口，缺的是把研究、训练、基础设施和产品团队压缩成一条快速反馈回路，让评测中发现的编程缺陷能够迅速转化为数据和训练方案，而不是先进入数轮跨部门讨论。

延期是正确决定，但窗口正在变窄

推迟发布本身是比仓促上线更合理的选择。旗舰模型如果在代码生成、仓库级修改和工具调用上明显落后，即使凭借谷歌渠道迅速获得用户，也会在开发者群体中形成“多模态强、写代码不可靠”的认知，而开发者一旦把工作流、提示词和智能体工具迁移到其他平台，后续再争取回来并不容易。

两个月延期尚不足以证明谷歌掉出第一梯队。前沿模型的训练结果具有高度不确定性，一轮成功的后训练、代码数据清洗或智能体强化学习就可能显著改变排名；谷歌还有自研芯片、海量产品反馈和完整分发渠道，这些都是多数独立模型公司无法复制的条件。

更值得警惕的是谷歌的追赶周期似乎正在重复。Gemini 3 发布时短暂追平甚至领先，竞争对手更新后再次落后，随后公司通过重组、集中资源和创始人介入推动下一代模型；如果每次领先只能维持一个版本，说明问题不在单次训练，而在持续迭代速度。

对开发者而言，现阶段没有必要根据传闻提前迁移生产系统。新 Gemini 的正式名称、可用区域、上下文窗口、推理价格、速率限制和代码基准都未公布，企业更应该等待谷歌给出模型卡与公开测试，并用自己的代码仓库测试缺陷修复率、测试通过率、工具调用稳定性和单位任务成本。

对谷歌而言，下一次发布也不能只交出一组精选跑分。它需要证明新模型不仅能在静态代码题上得分，还能在真实仓库中持续工作，并在延迟、成本和可靠性之间达到可部署水平；否则，这两个月买到的只是一次更晚的发布，而不是一次真正的反超。

截至 2026 年 8 月 13 日，谷歌尚未正式确认下一代旗舰 Gemini 的发布日期，也没有公开其编程评测成绩。眼下能够确定的是，DeepMind 已经换了日常负责人，布林已经下场督战，TPU 分配正在重新协调，而这款模型能否按新的时间表交付，将成为卡武库奥卢接手后的第一场硬仗。

参考来源

• IT之家：谷歌 DeepMind 换帅内情，Gemini 延期两月后编程能力仍落后友商——整理路透社 2026 年 8 月 12 日报道，包含延期、内部测试、组织重组、TPU 分配及布林介入等信息。