财π新闻 据《量子位》2026年9月26日的报道，谷歌DeepMind新掌门Koray Kavukcuoglu首次对媒体确认，Gemini 4已进入后训练早期阶段，目标是尽快发布。近期社交媒体平台上频繁泄露出疑似Gemini 4 Pro的新检查点，相关测试结果显示，该模型在图像生成等核心能力维度上已经出现了肉眼可见的明显提升，不同版本的检查点在细节处理、风格呈现等方面的变化，也直观体现出后训练阶段的优化痕迹。

旗舰模型发布节奏全面调整

谷歌对旗下旗舰AI模型的发布节奏做出了重大调整，此前原定6月发布的Gemini 3.5 Pro项目已被暂缓，团队将全部研发注意力转向Gemini 4项目，以期在最短时间内实现最大学习速度。在推进新模型研发的同时，谷歌已经同步搭建起对应的内部安全保障和全流程测试体系，为后续版本的稳定落地做好配套支撑。

按照此前的公开规划，Gemini 3.5 Pro原本是谷歌2026年旗舰模型序列中的重要更新节点，相关预热信息已经对外释放，但随着行业前沿模型迭代速度不断加快，谷歌最终选择调整研发资源分配优先级，集中全部核心力量攻坚下一代旗舰产品Gemini 4，避免分散研发精力拖慢整体进度。

这一调整也意味着谷歌此前的多线并行研发策略发生转向，不再同时推进多个旗舰级大模型的开发工作，转而将算力、研发人员等核心资源全部向Gemini 4倾斜，尽可能压缩从后训练到正式发布的整体周期，确保新模型能够以最快速度进入市场。

目前Gemini 4的内部测试工作已经同步启动，谷歌工程师已在内部使用这款模型运行Antigravity AI编程工具，相关防护机制开发和安全测试环节也在按计划推进，为后续的快速迭代发布筑牢基础。

算力基础设施布局全面升级

在算力基础设施建设层面，谷歌正在推进多项重大布局，其中最受行业关注的动作是开始直接对外销售自研TPU芯片，打破此前仅通过谷歌云提供相关算力服务的模式，直接进入AI芯片市场与英伟达展开正面竞争，进一步扩大自研算力硬件的市场覆盖范围。

与此同时，谷歌还在推进代号为Project Suncatcher的太空算力项目，计划与Planet公司展开合作，通过SpaceX的猎鹰9号运载火箭发射搭载TPU芯片的原型卫星，测试相关算力硬件的在轨运行能力，探索将AI算力部署到地球之外的全新可能性。

这套跨天地的算力布局，将为后续Gemini系列大模型的持续迭代提供更充足的算力支撑，同时也能帮助DeepMind的模型研发团队提前掌握未来几代大模型的运算需求，反向指导后续两到三代TPU芯片的设计优化，形成模型研发与硬件迭代的正向循环。

不同于传统的地面数据中心算力部署模式，太空算力项目的推进也标志着谷歌在算力基础设施领域的探索边界进一步拓展，试图开辟出一条全新的算力供给路径，为后续大模型的大规模普及提供差异化的算力支撑方案。

硬件芯片研发持续推进

除了对外销售的TPU芯片之外，谷歌还在研发一款代号为Frozen v2的神秘服务器芯片，这款芯片的核心设计思路是将Gemini模型的部分底层架构永久蚀刻进硅片当中，以此大幅提升模型运行的能效表现，进一步降低大模型推理运行的资源消耗。

根据公开的研发规划，这款Frozen v2芯片并不会固化模型的权重参数，仅锁定对应的计算架构，在保证硬件能效大幅提升的同时，依然保留后续模型迭代更新的灵活性，不会因为硬件架构的固化限制模型的持续优化空间。

从性能指标来看，这款全新的服务器芯片预计能效比谷歌最新一代的TPU产品高出6到10倍，能效提升幅度十分可观，能够在同等算力输出的情况下大幅降低电力消耗和运行成本，为大规模部署Gemini系列大模型提供更高效的硬件载体。

按照当前的研发进度，Frozen v2芯片最快将于2028年正式完成部署，届时将成为支撑谷歌下一代大模型运行的核心硬件底座，进一步巩固谷歌在自研算力硬件领域的技术优势，为Gemini系列模型的长期迭代筑牢硬件基础。

AI快速发展引发内部安全担忧

随着谷歌全面加速AI技术的研发落地，相关技术快速迭代带来的安全隐患也开始在团队内部引发争议，前Mozilla工程师、现任DeepMind硬件芯片设计工具负责人Robert O’Callahan正式宣布辞职，他认为当前团队正在开发的降低AI成本和延迟的工具，会让AI技术变得更加普及且能力更加强大，过快的发展速度潜藏着不可忽视的安全风险。

Robert O’Callahan的离职并非个例，DeepMind团队内部已经有不少成员对当前AI技术的推进速度表达了担忧，认为在相关安全保障体系尚未完全成熟的情况下，过快推动高能力AI模型的普及，可能会带来难以预判的安全隐患，相关争议也让谷歌在加速Gemini 4研发的同时，不得不重新平衡技术迭代速度与安全管控之间的关系。

目前谷歌已经同步搭建起对应的内部安全保障和测试流程，试图在推进模型快速迭代的同时，尽可能完善相关的安全防护机制，在保证研发进度的前提下，尽可能降低前沿AI技术快速落地可能带来的各类潜在风险，确保新模型的发布和运行处于可控的安全范围内。

这一内部争议也折射出当前全球前沿AI研发领域的普遍矛盾，各大科技企业在激烈的市场竞争中不断加快模型迭代速度，而对应的安全评估、风险管控体系的建设进度往往难以跟上技术发展的步伐，如何在技术创新与安全管控之间找到平衡点，已经成为所有头部AI研发团队都需要面对的核心问题。

(编辑：徐松丽)