Пока сообщество разработчиков и аналитиков обсуждало возможности модели Claude Fable 5.2 от Anthropic, компания Google провела масштабный многодневный релиз, представив семейство моделей Gemini 4 — Carbon, Hydrogen и Argon, специализированный чип решений Gemini Decision-1, математический верификатор AlphaProof Code и режим мультиагентного взаимодействия /swarm в среде Google Antigravity. Автор YouTube-канала Уэс Рот протестировал новинки в реальных сценариях: от глубокого обратного инжиниринга сложнейшей экономической стратегии Factorio до создания мультиагентных бенчмарков. Более того, сам 30-минутный выпуск был от начала до конца смонтирован моделью Gemini 4 Carbon в полностью автономном режиме.
⚡ Большой блицкриг Google: линейка Gemini 4 и отрыв от конкурентов 0:28
Пока индустрия была сосредоточена на релизе Fable 5.2, Google практически без предварительного шума выкатила целую экосистему взаимодополняющих моделей . В линейку вошли три ключевые модели: флагманская Carbon, быстрая Hydrogen и промежуточная Argon .
Уэс Рот иронизирует над логикой нейминга в лабораториях Google . Если вспомнить периодическую таблицу Менделеева:
- Водород (Hydrogen) имеет атомный номер 1;
- Углерод (Carbon) — атомный номер 6;
- Аргон (Argon) — атомный номер 18.
Однако порядок их выхода и иерархия мощности никакой химической или алфавитной логике не подчиняются . Модель Argon дебютировала раньше остальных, флагманом стал Carbon, а Hydrogen оказался сверхбыстрой дистиллированной версией . По оценке Уэса Рота, нейминг выглядит хаотичным даже на фоне OpenAI, однако практические результаты моделей оказались впечатляющими .
В бенчмарке VendingBench, где нейросети управляют виртуальной сетью торговых автоматов на протяжении года в режиме симуляции, продукты Google заняли лидирующие позиции: первое место досталось Gemini 4 Carbon, третье — Gemini 4 Hydrogen, а пятое — Gemini 4 Argon . В тестах на логику и программирование CursorBench 4.0 модель Carbon также показала безоговорочное доминирование .
🧠 Узкие специалисты: Gemini Decision-1 и криптографические доказательства AlphaProof Code 1:00
Одним из важнейших технологических прорывов стал релиз AlphaProof Code . Инструмент использует вычислительные рои модели Carbon для формальной математической верификации исходного кода .
Команда Google DeepMind официально подтвердила с помощью AlphaProof Code протоколы шифрования, которые используются в мессенджере Signal и сервисе Google Messages . Это означает, что математическую строгость и отсутствие уязвимостей в коде получили алгоритмы сквозного шифрования, защищающие переписку более чем 1 миллиарда пользователей по всему миру .
Параллельно Google представила принципиально новый класс моделей — Gemini Decisions API и модель Gemini Decision-1 . В отличие от классических больших языковых моделей (LLM), которые генерируют связный текст, Decision-1 решает узкоспециализированные задачи :
- Выдача бинарных вердиктов («да» / «нет»);
- Выбор из нескольких заданных вариантов (multiple choice);
- Высокоскоростная классификация и маршрутизация входящих запросов.
Модель работает на порядки быстрее и обходится значительно дешевле полноразмерных LLM . Как отмечает Уэс Рот, связка из легковесного Gemini Decision-1 на этапе первичной сортировки и тяжелой модели вроде Carbon на этапе глубокого логического вывода позволяет выстраивать гораздо более эффективные архитектуры . В этой же серии релизов DeepMind представила AlphaGenome 2 — модель для расшифровки механизмов считывания ДНК живыми клетками и поиска причин генетических заболеваний .
🚀 Поиск нового поколения: Gemini 4 Hydrogen и дистилляция мощности 4:02
Начиная со дня релиза, поисковая система Google Search переведена на работу под управлением модели Gemini 4 Hydrogen . Интеллектуальные текстовые сводки и мультимодальные ответы теперь генерирует именно эта модель .
Ключевая особенность Hydrogen заключается в том, что она была получена путем прямой дистилляции из флагманской Gemini 4 Carbon, а не является продолжением старых контрольных точек Gemini Flash . Долгое время разработчикам приходилось выбирать: либо мгновенная скорость генерации, либо глубокая логическая способность. По мнению Уэса Рота, Hydrogen преодолевает этот компромисс .
В тестах VendingBench легковесный Hydrogen уступил только GPT-4 Astra, обойдя такие тяжелые системы, как Soul 6.1, Muse, Wonderful и всю линейку моделей Claude, включая Rock 4.7 . При этом архитектура Hydrogen оптимизирована под визуальные мультимодальные ответы и работу в реальном времени .
🎬 ИИ как полноценный монтажёр: Gemini 4 Carbon собрал 30-минутное видео 5:08
Главной демонстрацией возможностей Gemini 4 Carbon стал эксперимент автора: нейросеть целиком смонтировала текущий 30-минутный ролик . Уэс Рот отдал модели «сырой» исходник без предварительной обработки и поставил обобщенную задачу: убрать паузы, вырезать дубли, оформить главы и сделать видео визуально интересным .
Модель самостоятельно выполнила комплекс задач :
- Удалила все неудачные дубли, оговорки и повторные попытки произнести фразу;
- Вырезала паузы между смысловыми блоками и чтением заметок;
- Разбила материал на главы и сгенерировала плашки с таймкодами;
- Создала анимацию кнопки подписки и инфографику;
- Сгенерировала контекстные иллюстрации (например, космические спутники и лазеры на низкой околоземной орбите во время соответствующего фрагмента речи) .
Особого внимания заслуживает уровень мультимодального анализа контекста . Уэс передал Carbon вирусный ролик проекта с открытым исходным кодом, симулирующего человеческий голосовой тракт и воспроизводящего композицию «В пещере горного короля» . Задача заключалась в том, чтобы уловить концепт и сгенерировать похожую сцену с общественным достоянием . Gemini 4 Carbon не просто создал сцену, где кот в 4 утра сбрасывает лапой стакан со стола под хоровое пение летающих голов, но и точно воспроизвел физику и юмористический подтекст . Модель поняла контекст чисто визуально, чего невозможно было бы добиться простым парсингом транскрипта .
Другой впечатляющий пример продемонстрировал профессор Итан Моллик: Carbon взял реальную видеозапись движения поезда и с нуля реконструировал всю сцену в виде исполняемого трехмерного кода на Three.js .
🎮 Обратный инжиниринг Factorio: автономное управление фабрикой и запуск ракеты 8:05
Чтобы проверить инженерные и аналитические способности Gemini 4 Carbon, Уэс Рот поручил модели провести реверс-инжиниринг игры Factorio — эталона сложных логистических цепочек .
Модель справилась с задачей практически без вмешательства человека:
- Разобрала внутреннюю логику игры и создала базовую среду взаимодействия для LLM-агентов ;
- Интегрировала сторонние модификации для взаимодействия с миром через естественный язык ;
- Организовала добычу ресурсов, строительство плавилен, научные лаборатории и логистику ;
- С первой попытки спроектировала и запустила полноценную железнодорожную сеть со стрелками и сортировочной станцией .
Уэс отметил характерную разницу в поведении моделей: если Claude Fable 5.2 и GPT-4 Astra склонны к так называемому «расползанию рамок» (scope creep) — бесконечной полировке документации и усложнению архитектуры, то Gemini 4 Carbon действует максимально прагматично и прямолинейно . Модель тратит в 3–4 раза больше времени на рассуждения (thinking process), чем Opus, но доводит задачу до финального результата без отклонений .
В процессе 10-часового непрерывного прогона агент построил 87 электрических буров, 11 химических заводов и настроил сложнейшую цепочку переработки нефти, продвигаясь к конечной цели игры — постройке ракетной шахты и запуску ракеты .
🛡️ MaxBench и защита от заучивания: собственный бенчмарк Уэса Рота 15:40
В ходе видео автор затронул острую проблему современных бенчмарков — загрязнение обучающих данных (data contamination) . Когда разработчики тренируют модели на тестовых датасетах, нейросети не рассуждают, а просто воспроизводят заученные ответы .
В качестве примера автор привел методологию бенчмарка MaxBench . Если классическая детективная задача звучит так: «Лорд Блэквуд найден мертвым в поместье Блэквуд...», модель моментально отвечает, что убийца — дворецкий . Но если заменить имя жертвы на случайное (например, Камбербэнд Бандерснэтч), не меняя ни одной улики, переобученная модель теряется и выдает случайные догадки .
Чтобы исключить заучивание, Уэс Рот разрабатывает собственный закрытый игровой бенчмарк на базе правил фэнтезийного американского футбола (схожего с концепцией Blood Bowl) . Игра объединяет позиционную глубину шахмат, вероятностный расчет техасского холдема и фактор хаоса, где неудачный бросок кубика может уничтожить ключевого персонажа . В этом бенчмарке модели соревнуются друг с другом в формате PvP . Модель Gemini 4 Argon, выступающая в среднем сегменте, показала феноменальный процент побед, переиграв большинство топовых систем за счет хладнокровного управления рисками .
🚫 Бан за 10 минут: как Claude устроил роевую перегрузку в Antigravity 20:54
Попытка автоматизировать тестирование новых моделей Gemini через Claude привела к неожиданному инциденту . Уэс Рот запустил Google Antigravity — консольный агентный инструмент от Google (вызываемый командой agy в терминале), созданный как ответ Claude Desktop и Codex .
Процесс строился следующим образом:
- Claude Fable 5.2 получил инструкцию подключиться к Antigravity через CLI и запустить серию фоновых тестовых матчей модели Argon против конкурентов .
- Antigravity умеет работать в фоновом безголовом (headless) режиме, позволяя разворачивать десятки параллельных сессий .
- Оставленный без присмотра на 10 минут, Claude Fable 5.2 инициировал лавинообразный запуск роя из 50–100 параллельных экземпляров моделей .
- Автоматическая система защиты Google от злоупотреблений зафиксировала аномальный всплеск неконтролируемых запросов и мгновенно заблокировала аккаунт автора .
Как выяснилось в обсуждениях на форумах разработчиков Google, платформа разрешает интенсивную агентную нагрузку в рамках еженедельной квоты, однако высокочастотные бесконечные циклы в фоновом режиме вызывают срабатывание защитных триггеров . Проблема разрешилась подачей стандартной апелляции: доступ был полностью восстановлен менее чем за 6 часов .
🐝 Вердикт Antigravity Swarm: будущее мультиагентных систем 25:46
Функция /swarm, внедренная Google в Antigravity для Gemini 4 Carbon, заслужила высшую оценку Уэса Рота — твердую «пятерку с плюсом» . Режим роя чрезвычайно прожорлив: за сутки активных экспериментов с Factorio ушло более 60% недельного лимита токенов, поэтому автор рекомендует использовать единые дашборды для отслеживания квот между несколькими провайдерами .
Главным преимуществом реализации Google Рот назвал продуманную архитектуру координации:
- Единая доска коммуникации (communication board): в отличие от ранних экспериментов других лабораторий, где агенты были изолированы или мешали друг другу, в Antigravity все участники роя общаются в едином пространстве .
- Иерархический оркестратор: интерфейс визуализирует главного координатора, распределяющего подзадачи между исполнителями и собирающего итоговые отчеты .
- Отказ от эвфемизмов: Google не стала маскировать концепцию за громоздкими академическими фразами, открыто назвав функционал «роем» (Swarm) .
По мнению Уэса Рота, способность роя доводить масштабные инженерные замыслы до конца — от создания рабочих модов и исправления ошибок рендеринга до автономного прохождения комплексных симуляторов — доказывает, что Google вернула себе безоговорочное лидерство в гонке ИИ .
