2026 年 11 月

Hacker News 上关于 Gemini 4 Carbon 的讨论引发关注。一项对比测试显示,Gemini 4 Carbon 在处理通常仅需 Opus 和 Astra 几分钟即可完成的编码任务时,耗时接近一小时。
每次试验的时间和成本
图表显示,左侧代表更快的速度,下方代表更低的价格。
这一现象并非孤例。多位开发者反馈,Gemini 4 Carbon 在现实世界的使用场景中速度极慢。具体数据显示,完成同一任务,Gemini 4 Carbon 耗时 22 分 21 秒,而 GPT-5.5 High 仅耗时 9 分 33 秒。
部分用户表示,尽管认可 Gemini 4 Carbon 的能力,但其漫长的等待时间严重影响了专注度与学习效率。甚至有评论指出,由于速度过慢,该模型几乎无法在实际工作中使用。
为探究原因,相关团队追踪了 Carbon 每一步的运行过程,并量化了导致延迟的具体因素。
任务定义
测试任务要求代理在修复错误前获取代码库,诊断错误并进行修复,且不得进行任何无关更改。
该任务的难点主要在于工程判断而非原始智能能力:包括将用户症状追踪至正确的代码路径、排除其他解释、将修复置于正确位置以及知道何时停止。
推断速度慢还是工作量更大?
首要因素是推断速度,涵盖供应商排队、网络延迟、快速处理及生成速度等,这些共同决定了每一步所需的时间。
一步一秒
(此处展示单步耗时数据)
较慢的推断速度解释了部分差距:与 Astra 相比,Carbon 多耗时的 16–30% 源于此;与 Opus 相比,这一比例为 45–49%。其余差距则来自更长的执行轨迹。步骤数、工具调用次数和 token 用量表明,Carbon 在每个任务上确实执行了更多工作。
工作量
GPT-6 Astra 对阵 Gemini 4 Carbon,平均值为一个错误。
GPT-6 AstraGemini 4 Carbonlighter = lower effortCarbon 的步骤数约为 Astra 的 7 倍,读文件或执行命令的次数为 11 倍。由于每一步重传会话的时间越来越长,其处理的输入量超过 16 倍。
排除显而易见的原因
首先排除了两个简单解释:
- 代理框架影响:将 Carbon 运行到其他两个编码代理(开源和小 SWE 代理)中,未发现显著差异。
- 推理水平不匹配:各提供商的努力设置未标准化,Carbon 的“高”可能与其他模型的最大设置更接近。但在低压力下,Carbon 通常无法解决问题,表现为循环读取已读过的代码而非解决 bug。
痕迹分析
团队对 Astra 和 Carbon 运行的每个步骤进行了语义标记与分析。
语义痕迹分析
每个模型的步骤,按用途分组。
分析显示,Carbon 约一半的步骤涉及未被要求的工作:
- 漏洞外审计:一旦发现原因,Carbon 继续扩大搜索范围,检查系统中每一个相关路径。
- 关闭已排除漏洞:针对无人报告的问题加强代码防御。
样本试验:找出原因的时间与时间到第一次编辑
从每次运行开始的分钟数。GPT-6 Astra 在最大努力值下运行,Gemini 4 Carbon 在高努力值下运行。
在此样本中,两种模型均较早发现原因:Astra 用时一分钟,Carbon 用时约六分钟。然而,三分钟后 Astra 已写下定位方案,而在接下来的 25 分钟内,Carbon 未编写任何代码。
这种延迟可能源于知识缺口(不确定是否找到原因),或是一种训练形成的习惯(奖励正确答案而非惩罚额外步骤)。为区分二者,团队在修改后的 tri 带中重新运行试验,每隔五圈自动注入检查:“你已经有足够的时间来修复吗?”
检查的样本试验:找到原因的时间与时间到第一次编辑
与上述相同的虫子和尺度。Gemini 4 Carbon 在高努力值下运行,每五个转(圆)注入检查。
加入检查后,Carbon 在 28 分钟完成任务(原为 37 分钟),命名原因和开始编辑之间的等待时间从 25 分钟缩短至约 10 分钟。这表明缓慢主要源于行为模式,而非知识缺失。
必要工作的效率低下
即使在修复所需的步骤中,Carbon 也存在效率问题:每一步完成的工作量较少。
(此处展示单步工作效率对比)
Astra 每步调用两个以上工具,常一次性读取多个文件;而 Carbon 每步仅调用约一个工具,通常只读取一个文件。此外,Carbon 频繁重读:其读取的行中有 39% 是之前已看过的内容,而 Astra 仅为 7%。估计这两个“机械性”低效率约占 Carbon 超额运行时间的 25%。
结论
在复杂的 bug 修复任务中,Carbon 耗时近一小时,而 Opus 和 Astra 仅需几分钟。差距来源可归纳为三点:
- 推断速度更慢:每个步骤耗时更长,解释了与 Astra 差距的 16% 到 30%,以及与 Opus 差距的约一半。
- 不必要的工作:约有一半的 Carbon 步骤属于未被提议的工作,如审计无需修复的代码或关闭已被提议排除的漏洞。
- 机械效率低下:每步工具调用数量减少及频繁重读拖慢了进程;仅修复这两点预计可将运行时间缩短约四分之一。





