top of page

llm-gemini 0.36 加入 Carbon,Google 擴大付費存取

17 分鐘前
讀畢需時 11 分鐘
Illustrative photograph. Photo: AS Photography / Pexels.

Simon Willison 於 11 月 10 日推出 llm-gemini 0.36,在 Google 將存取範圍擴展至較早前的網絡安全預覽計劃以外之際,加入 Gemini 4 Carbon 支援。開發者多了一種評估這個模型的方法,但更廣泛的可用性仍受帳戶及產品限制。眼前的改變關乎存取和整合,而非獨立證明結果更佳。

這項分別很重要,因為模型發布和可運作的開發者整合,回答的是不同問題。Google 說明預期能力;外掛程式則讓模型可在既有工作流程中使用。兩者都不能證明,額外推理是否值得某個專案所需的營運成本。

Google 亦保留 Gemini 4 Argon 的定位,將 Carbon 面向要求更高的工作。因此,核心比較首先存在於 Google 自身產品陣容之內:更深入的調查,與產出可接受結果所需時間和資源之間的取捨。Willison 的視覺實驗提供易於理解的起點,但可重複性、維護和是否適合生產環境,仍有待確認。

llm-gemini 0.36 實際改變了甚麼

此版本為開發者提供熟悉的 Carbon 入口,讓實際評估更容易與發布訊息區分開來。

Carbon 發布說明直接指出新增內容:可透過 llm -m gemini-4-carbon 選用 Gemini 4 Carbon。這是 Willison 的 LLM 軟件的整合版本;該命令列工具讓使用者可透過文字指令與語言模型互動。

外掛程式與底層模型之間的差別值得注意。更新客戶端會改變該軟件可提出的請求;但能否存取所請求的服務,仍取決於供應商的要求,因此安裝整合功能並不會自動取得帳戶資格。

對於已使用 LLM 的開發者,重要之處在於延續性。評估可從熟悉的介面開始,而不是完全不同的應用程式。比較模型回應時,這可減少一個可避免的混淆來源:周邊軟件的變動。

熟悉的介面亦令差異更容易追查。若切換模型後結果有所改變,評估者需要考慮的介面變更便較少。這並不能消除所有變數,但比起比較互不相關的示範,提供了更有用的起點。

設想一名開發者正在調查棘手的應用程式錯誤。相關問題是 Carbon 能否找出原因,並提出站得住腳的修正方案。單有流暢的解釋,仍無法解決核心問題,尤其當建議的修補程式造成另一項故障時。

此版本令這類問題更容易在既有工作流程中提出。其重要性在於,將已發布的能力連接至人們可檢視並納入自身實驗的介面。在任何人證實效能優勢之前,這個連接已具實際價值。

它亦區分了支援與涵蓋範圍。客戶端可以支援選用某個模型,卻未必重現供應商應用程式中所有可用功能。評估者不應假設,某個應用程式示範描述了每一個 API 客戶端的體驗。

因此,對此版本最站得住腳的理解是具體的:Carbon 已進入另一條開發者存取途徑。要聲稱工程成果更佳,仍需要在連接可正常運作後,以成功條件不止於產出看似合理回應的任務蒐集證據。

這是一項有用的發展,但毋須作出籠統結論。小型整合版本可以重要,因為它讓更多人能檢驗大型主張。其價值來自它所促成的評估,而非版本號本身。

更廣泛的 Gemini Carbon 存取仍有界限

擴大可用性帶來更多評估機會,但資格仍是產品體驗的一部分。

Google 的 Carbon 存取公告說明,開發者和企業可取得付費 API 存取。公告亦提及,會向指定產品中的 Google AI Ultra 訂閱者推出,包括 Antigravity、Gemini app 和 AI Mode。

這項公告接續較早前透過 Google Fairwind Program 向特定網絡安全防衛人員推出的版本。這些是不同的存取關卡。若把 11 月的擴展視為模型首次出現,便會抹去受限預覽存取與更廣泛商業推出之間的差別。

同樣地,更廣泛的存取不應成為普遍免費可用的代名詞。一項產品公告可以涵蓋不同受眾,卻為每一類受眾設定不同條件。開發者、商業客戶和個人訂閱者,未必透過同一途徑使用服務。

對評估 Carbon 的團隊而言,這在效能問題之前,帶來實際的採購問題。目標使用者能否透過預定的應用程式存取它?透過一名人士帳戶進行的實驗,並不能證明整個機構都可使用。

存取條件亦會影響評估是否可重複進行。若參與者使用不同產品,其可用工具和權限可能不同。當這些差異未被記錄時,模型比較便更難詮釋。

這一點在示範脫離原有設定流傳時尤其重要。觀眾看到完成的輸出,但帳戶類型、介面及已啟用的工具,可能在討論中消失。這些細節有助說明其他使用者可以合理嘗試甚麼。

一項有用的組織做法,是在任何內部評估中準確描述存取方式。評估應列明所使用的產品和獲授予的權限。這讓同事有足夠脈絡,分辨模型限制與無法使用的功能或帳戶限制。

對考慮面向客戶功能的產品團隊而言,亦存在溝通問題。內部存取並不會自動證明功能可以推出的條件。任何承諾都須配合支援該實作的實際服務途徑和條款。

這並不會削弱這次擴展。它界定了改變之處,以及還需要在哪裏作進一步確認。更多合資格使用者可調查 Carbon,而具體部署問題仍須在帳戶及產品層面得到答案。

對關注公告的讀者而言,關鍵發展是通往評估的途徑正在擴闊。其實際覆蓋範圍,應透過相關環境中已確認的可用性判斷。廣泛措辭本身不能取代該確認。

Gemini Carbon 與 Argon 是資源決策

有意義的比較關乎獲接納的工作成果,包括檢查及修正所需的投入。

Google 將 Argon 定位為適合大部分軟件工程及知識工作,同時把 Carbon 描述為應對較難問題的選擇。這種定位為使用者留下重要決策:哪些任務值得採用更密集的推理流程?

任務的難度不能只從提示詞長度推斷。一份簡短的錯誤報告,可能隱藏組件之間複雜的互動;一項冗長的文件要求,只要來源材料清晰,也可能只涉及直接擷取。

因此,評估單位需要是已完成的任務。對程式編寫工作而言,完成包括行為經適當檢查後仍然成立;對研究工作而言,完成包括審閱者檢查後,主張仍可追溯至證據。

這改變了對表面效率的理解。需要大量修正的快速回應,會在之後消耗人手注意力;若較慢的回應可減少修正負擔,仍可能有用,儘管這種減少必須觀察得到。

反方向同樣值得注意。延長推理並不保證模型正在調查正確問題。冗長答案可以圍繞錯誤假設展開,令審閱工作更繁重而非更輕鬆。

因此,Gemini Carbon 與 Argon 的比較應保留對實際決策重要的條件。模型需要可比較的來源材料及共同的成功定義;否則,準備工作的差異可能偽裝成模型能力的差異。

對工程團隊而言,一個具說明力的比較會使用具有已知重現路徑的真實缺陷。審閱者會檢查每項建議變更能否解決該缺陷,同時考慮變更是否引入無關修改,從而增加維護工作。

對知識工作者而言,相應任務可能是協調互相矛盾的專案文件。令人滿意的結果應指出衝突,並支持其詮釋。無論回應看來多麼易讀,若自信地合併不相容的說法,便不符合任務要求。

這些例子描述的是評估準則,而不是任何一個模型已確立的結果。其目的在於令決策具體化。沒有明確準則時,評估者便有可能獎勵初讀時顯得較令人印象深刻的答案。

組織壓力落在選擇預設模型的人身上。把 Carbon 用於每項請求需要理由,正如將它排除於困難工作之外也需要理由。有用的政策會將模型選擇連繫至觀察到的任務要求。

若高要求任務顯示持續效益,選擇性部署將加強 Carbon 的理據;若它在例行工作上改善甚微,便支持保留較不密集的選項。無論哪一項發現,都比籠統宣稱某一模型最佳更可付諸行動。

思考控制改變評估方式

可配置的推理設定引入另一個比較時需要披露的變數。

外掛程式文件列出 Carbon 的低、中及高思考等級。思考等級控制模型在回應前進行多少推理,但後果仍須按手頭任務評估。

這項設定很重要,因為單靠模型名稱不足以完整描述一項實驗。若評估者使用不同推理等級,他們測試的是不同配置。有用的比較會連同提示詞和可用工具記錄該設定。

當有人報告令人失望的結果時,這尤其相關。結果仍是關於該次嘗試的有效證據,但其適用範圍取決於條件。沒有這些條件,讀者便無法判斷自己可從相近請求中預期甚麼。

同一標準亦適用於正面例子。來自某個選定配置的出色輸出,並不能證明每個配置都能產出相同水平的工作。列出設定有助讀者理解結果,而不會誇大其意義。

推理控制還有一個更深層的問題:額外推理究竟應該帶來甚麼成果。評估者應在檢視答案前,先界定預期效益。否則,任何細節增加都可能看似證明模型思考得更有效。

對於除錯任務,預期效益或許是更準確的因果解釋;對於文件審閱,則可能是更妥善處理互相矛盾的證據。只要審閱者有足夠資訊作出判斷,這些都是可觀察的特質。

回應篇幅提供的訊號較弱。較多文字可以包含有用的調查、重複內容,或缺乏支持的解釋。其價值取決於是否有助推進任務,並減少結果負責人的不確定性。

思考控制亦令預設選項更複雜。任何未有更改設定的人,都會受預設值影響。因此,團隊應認識到,其結論可能反映的是該預設值,而非所有可用配置的完整範圍。

對於搜尋 Gemini Carbon 解說的讀者,這是應記住的操作層面分別:模型提供可配置的推理行為。當有人以實驗支持更廣泛的主張時,配置本身亦應成為證據的一部分。

這次發布透過已有文件記錄的客戶端介面,支援調查這項分別。它並未界定每個工作流程都應採用哪個設定。該決定取決於量度所得的品質、可接受的延遲,以及任務所需的人手審閱程度。

Pelican 展示可能性,但證據有限

可見的創作成果能揭示有用的行為,卻未能解決可靠性及比較表現的問題。

Willison 在其 Carbon 編碼實驗中,發表了不同思考設定下的 pelican 範例。他亦描述了一項 Antigravity 實驗:Yonkers 變成一個大型機甲,並在紐約市中移動的三維動畫。

該動畫請求使用了 Three.js,這是一個用於建立瀏覽器三維圖像的 JavaScript 函式庫。Willison 表示,他另外加入提示,以取得不含外部相依項目的獨立 HTML 版本。他亦提及較早前使用 Claude Fable 5.2 的一次嘗試。

這些細節令該範例作為一次互動的記錄變得有用。請求具體,輸出可供檢視,而後續要求揭示了一項額外需求。讀者可理解評估者感興趣的內容,而毋須把他的反應視為正式量度。

後續要求尤其值得參考,因為交付格式會影響可用性。生成的場景可以滿足視覺構想,但仍可能需要封裝工作。要求獨立成果,引入了初始創作請求以外的實際需求。

對評估者而言,這顯示生成產物與以所需形式交付產物之間有所分別。當目標使用者依賴最終套件時,兩者都應納入評估。忽略後者,可能會低估生成後仍需完成的工作。

pelican 範例則有不同的證據角色。它們令輸出容易檢視和討論,卻不能證明模型能否一致地處理無關的任務,尤其是涉及隱藏限制,或需要專業審閱才能確認正確性的任務。

Claude 的參考亦需要審慎處理。重用一個構想能提供可辨認的比較點,但模型排名需要更多受控證據。提示、工具、後續請求及輸出選取的差異,都可能影響表面結果。

毋須因非正式實驗缺乏這些控制條件而否定它們。它們能揭示值得調查的行為,並令技術發布更易理解;限制在於由此得出的結論。

一個有用的示範可以引出後續測試的聚焦問題。當有人編輯生成的專案後,它是否仍然易於理解?在要求修改其中一個組件時,它能否保留原有要求?這些問題可自然地由創作產物延伸至工程層面的考量。

對知識工作而言,相似情況是一份在簡報中讀來流暢的報告。它的表面呈現讓觀眾可立即作出評估;但其證據、不確定性的處理,以及是否適合用於影響重大的決策,仍須更仔細檢視。

適當的結論應有所界限,但仍具價值。Willison 的範例提供具體材料,供討論及進一步評估。它們仍未回答更廣泛的問題:在對特定使用者重要的條件下,Carbon 是否能改善可重複的成果。

擴大推出後值得留意的事

接下來有用的證據,涉及已確認的存取權、可重複的任務成果,以及部署限制。

第一項訊號,是使用者能否透過其打算採用的產品,持續取得存取權。推出公告確立方向;在相關環境中確認可用,才能證明評估或部署是否真的可以進行。

若團隊能重現其預期設定,這項訊號便會加強擴大推出的實際意義。若資格條件持續不明,則會限制其即時實用性。這是採用層面的問題,與模型一旦可用後是否能產生強大答案無關。

第二項訊號,是報告完整任務成果的獨立評估。最有用的證據會披露提示、工具、推理設定及驗收準則。這些細節讓讀者判斷觀察到的效益是否可轉移至自己的工作。

在困難任務上反覆成功,會支持選擇性分配更多推理資源的論點。若成果需要大量修正,則會削弱這些任務的理據。無論結果如何,都應保留實驗的原有範圍加以描述。

第三項訊號,是已有文件記錄的限制如何在日常使用中呈現。Google 的 Carbon 模型卡指出,較高思考層級可能出現幻覺、偶爾速度緩慢或逾時,以及 token 使用量增加。Token 是模型處理或生成的文字單位。

該模型卡亦區分了僅向已驗證防禦者提供的專門網絡安全能力。該分別對理解與早期受限發布相關的主張十分重要。讀者不應假設,在該背景下討論的每項能力都會原封不動地轉移至公開存取。

這些限制讓評估者有具體問題可觀察,而毋須預先決定結果。逾時在探索性工作階段中的意義,與在排定的業務流程中並不相同。未獲支持的陳述,若在交付前由審閱者發現,與有人據此採取行動後才發現,影響亦不同。

評估應保留這些後果。只記錄最終成功的輸出,可能掩蓋為取得該結果所需的嘗試與介入;只記錄初始失敗,則可能忽略合理的後續要求是否能解決問題。

對收集證據的團隊而言,可搜尋知識庫能把提示、來源文件、審閱備註及已接受的修改連結起來。當同事日後重新檢視為何選擇某個模型時,這有助作出更可追溯的決定。

綜合而言,這些訊號可釐清此次發布在哪些地方具有實際價值。可用性決定誰能進行調查;可重複的成果決定哪些任務可受惠;已有文件記錄的限制,則有助界定在哪些情況下仍需要額外審閱或採用其他方法。

在把 llm-gemini 0.36 納入日常工作流程前,請選擇一項你能辨認及捍衛其成功成果的任務。保留原始要求,記錄模型配置,並以審視其他貢獻者成果時同樣的嚴謹程度檢查結果。把修正錯誤及核實假設所花時間一併計入。將獲接受的成果與現有方法比較,並在適用時包括 Argon,而不是只比較呈現品質。保留失敗範例,與成功範例並列。這次發布為合資格開發者提供另一條途徑以調查 Carbon 的行為;請利用這項存取權,為具體決策建立證據軌跡。對你的團隊而言,哪項高難度任務值得進行這項調查?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page