从“美国豆包”到顶级编程模型：Gemini 三年间经历了什么？12 个关键节点全解读

作者注：本文梳理 Gemini 从 2023 年到 2026 年的 12 个关键节点，说明 Google 如何从多模态、长上下文一路走到推理、工具调用和长周期 Agent 开发，Gemini 4 Carbon 是这条路线目前的阶段性成果。

2026 年 11 月 10 日，Google 将 Gemini 4 Carbon 扩大开放给付费 API 开发者和 Google AI Ultra 用户。此前 Artificial Analysis 在 10 月 28 日发布的评测中，Carbon 在 Intelligence Index v5 中以 59 分排在当时第一。曾被中文开发者圈戏称为“美国豆包”的 Gemini，如今已进入顶级模型的竞争圈。

这不是一次突然的逆袭。 Carbon 的出现，是 Google 三年里持续补齐多模态、长上下文、推理、工具调用和 Agent 开发能力的结果。本文按“时间线 + 关键技术变化 + 今日竞争格局”的顺序，讲清 Gemini 每一代到底进步在哪里。我们引用的独立榜单都会注明测试类别和时间，Opus、Astra 等竞争者在专项任务上的优势也会一并说明。

核心价值：用一篇文章看懂 Gemini 三年的技术演进，并判断 Gemini 4 系列在你的开发流程中适合放在什么位置。

Gemini 三年间经历了什么：12 个关键节点速览

先说这个外号的来由。在原公众号作者刘小排的描述里，“美国豆包”是一种调侃：Gemini 背靠大厂，被塞进手机、搜索、办公等全家桶，陪聊、识图、跑便宜接口都很热闹。但一到硬核写代码、做复杂产品，很多开发者还是会切回 Claude。这是作者对圈内看法的主观概括，但它确实说中了 Gemini 早期给人的印象：用户量大，在工程任务上缺乏存在感。

下表根据 Google 历次官方发布公告整理，是理解本文的主线。

这 12 个节点可以归纳成一句话：早期 Gemini 的核心价值是“理解信息”，之后逐步加上“推理问题”“调用工具”，最后走到“执行复杂任务”。

“美国豆包” Gemini 如今迎来了什么变化

Carbon 引起关注，首先是因为它在独立榜单上的成绩。Artificial Analysis 是被开发者广泛参考的第三方评测机构。它在 2026 年 10 月 28 日发布了 Carbon 专题分析，主要数据如下。

读这张表要注意两点。第一，表中的分数都对应具体模型配置，比如 Carbon High、Opus 5.5 Max，不同推理档位的成绩不能直接混用。第二，综合分领先不等于每个专项都领先：在 Coding Agent Index 里，Claude Code 中的 Opus 5.5 Max 仍比 Carbon High 高 3 分。

另外，原公众号作者分享的实时榜单截图里，还有一款 Claude Fable 5.2 排在 Carbon 之前。作者认为它单任务耗时长、成本高，所以选择“Carbon 主力开发 + Fable 收尾检查”的工作流。这属于作者的个人使用经验，可以参考，但不宜当成通用结论。

Gemini 早期竞争力：2023 到 2024 年的多模态与长上下文

Gemini 1.0：从底层设计的多模态

2023 年 12 月发布的 Gemini 1.0，最大的特点是“原生多模态”。它从底层就面向文本、图像、音频、视频和代码等多种信息类型设计，而不是先做一个文本模型，再外挂一个视觉模块。用户上传一张图表加一段文字，模型可以在同一套体系内理解两者的关系。

这一代模型解决的是“能看懂多少种信息”的问题。Ultra、Pro、Nano 三档分别对应高性能、通用和端侧场景，这也为 Gemini 后来进入手机等设备打下了基础。

Gemini 1.5 Pro：长上下文成为竞争点

2024 年 2 月，Gemini 1.5 Pro 把长上下文变成了重要卖点，官方展示了 100 万 Token 的上下文能力。打个比方，上下文窗口就像模型的“工作台”。工作台越大，一次能摊开的资料就越多。官方列举的用途包括分析长视频、长音频和大型代码库。这意味着开发者可以把一整个项目的关键代码一次性交给模型，让它理解模块之间的调用关系，而不用一段一段地喂。

Gemini 2.0：明确转向 Agent

2024 年 12 月的 Gemini 2.0 是一个方向性节点。Google 开始明确面向 Agent 时代，强调搜索、代码执行、函数调用等原生工具能力，同期还展示了 Project Mariner 等 Agent 研究方向。

工具调用可以这样理解：以前模型只能凭记忆回答“今天某库的最新版本是多少”，有了工具调用后，它可以主动请求一次搜索，或者真的运行一段代码看结果。模型的角色开始从“回答者”变成“操作者”。

Gemini 推理与编程转折：2025 年的 Thinking 与 Antigravity

Gemini 2.5：Thinking 让模型先想再答

2025 年 3 月的 Gemini 2.5 Pro 引入了 Thinking 能力，推理和编程水平明显提升。Thinking 指模型在给出答案前，先进行多步推理。以调试为例，普通模式可能直接给出一个“看起来对”的修复。Thinking 模式则会先推测可能的原因，排除不成立的假设，再给出修改方案。2025 年 5 月，Google 宣布 2.5 Pro 在当时的 WebDev Arena 等榜单上取得领先。这是 Gemini 第一次在编程相关榜单上建立明显的存在感。

Gemini 3 与 Antigravity：从模型到工作环境

2025 年 11 月 18 日，Google 同时发布 Gemini 3 和 Antigravity。Antigravity 把编辑器、终端和浏览器操作整合进同一个 Agent 工作环境。这一步的意义在于，Google 不再只希望模型“写出代码”，而是希望它能自己运行代码、打开浏览器检查效果、发现问题再修改。

这就是 Agentic Coding 的含义：由智能体负责规划、编写、运行和检查代码，开发者更多承担提出目标和审核结果的角色。从这时开始，模型和工具链是一起被设计的，这也是 Gemini 后续追上来的关键。

Gemini 4 Argon 与 Carbon：2026 年走向复杂工程

2026 年的 Gemini 迭代节奏明显加快。3.1 Pro 在 2 月加强核心推理，3.5 Flash 在 5 月兼顾速度与 Agent 长期执行，3.8 Flash 在 9 月针对软件工程、工具调用和复杂 Agent 工作流做了优化。接着，Gemini 4 Argon 和 Carbon 先后登场。

两者的定位区别，是开发者最需要搞清楚的问题。

简单说，Argon 适合日常写功能、改 Bug、处理文档。Carbon 适合那些需要连续推理很久、跨多个阶段、反复验证的任务，比如在大型仓库里定位一个复杂的并发问题。在 AA-Briefcase 知识工作评测中，Carbon 比 Argon 高 126 Elo，也说明两者在复杂任务上的差距确实存在。

Gemini 4 Carbon 在网页开发榜上的真实位置

综合智能领先，不代表所有开发任务都领先。2026 年 11 月 10 日的 WebDev Arena 榜单是很好的反例。

可以看到，在网页开发这个专项上，Opus 5.5 Max 领先接近 50 分，Carbon 和 Astra 几乎持平，而且 Carbon 的成绩还是初步数据。原公众号作者对 Carbon 的界面审美评价很高，认为它会渲染页面后自查排版。这类体验值得关注，但仍属于个人观察，需要结合自己的项目验证。

图表说明：榜单数据来自 Artificial Analysis 与 Arena 公开页面，不同榜单的测试类别不同。如果想在自己的业务 Prompt 上验证差异，可以通过 API易 apiyi.com 用同一套 OpenAI 兼容接口切换模型进行实测。

Gemini 为什么能翻身：影响分析

模型能力：从“看得多”到“做得完”

回顾三年，Gemini 的竞争重点换了三次：先比能理解多少种信息、一次处理多少信息，再比推理和工具使用，现在比的是长时间执行复杂工程任务。每一代的积累都没有浪费。多模态让模型能看懂截图和设计稿，长上下文让它装得下整个代码库，Thinking 和工具调用让它能真正动手。

工具生态：模型与执行环境一起设计

Antigravity、AI Studio、Gemini App 加上 Google 的各类开发服务，覆盖了从体验、原型到正式产品开发的不同场景。这是 Google 和单纯提供模型 API 的厂商之间的重要区别：Agent 需要编辑器、终端、浏览器这些“手脚”，而 Google 自己就能提供完整的执行环境。

产品分发与定价：同时触达开发者和普通用户

在订阅端，Google 于 2026 年 5 月 19 日新增 100 美元档 Ultra，并把最高档从 250 美元降到 200 美元，分别提供约为 20 美元 Pro 档 5 倍和 20 倍的基础额度。在 API 端，Carbon 的公开定价如下。

这里必须提醒：套餐权益和价格以 Google 官方页面和对应时间为准。原公众号中“额度无限”“不会封号”等绝对说法，并不是官方承诺。

对开发者的影响

• 选型从“一家独大”变成“按任务分工”：综合推理可以优先考虑 Carbon，网页开发和编程 Agent 场景可以对比 Opus，追求性价比的日常任务可以用 Argon。
• 成本结构需要重新规划：Carbon 定价在 12 月 1 日会翻倍，长周期 Agent 任务消耗 Token 很快，需要提前估算预算。
• 验证方式要回到真实任务：榜单只能缩小候选范围，最终还要用自己的代码库和 Prompt 测试。

对行业的影响

• 三强格局更清晰：Google、OpenAI、Anthropic 在复杂开发任务上正面竞争，各自在不同专项上保持优势。
• 竞争单位从模型变成工作流：未来比较的不只是模型分数，还包括 IDE、CLI、多 Agent 协作等完整工具链。

如何通过 API 体验 Gemini 4 系列模型

对于想动手验证的开发者，最快的方式是用 OpenAI 兼容接口直接调用。下面的极简示例只需替换 API Key 即可运行，模型名称以平台模型列表为准：

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

response = client.chat.completions.create(
    model="gemini-4-carbon",  # 模型名以平台模型列表为准
    messages=[{"role": "user", "content": "用三句话解释什么是 Agentic Coding"}]
)
print(response.choices[0].message.content)

import openai
from typing import Optional

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# 模型名称请以平台模型列表为准
MODEL_ROUTER = {
    "simple": "gemini-4-argon",   # 常规开发与知识工作
    "complex": "gemini-4-carbon"  # 复杂调试、深度推理、长时间任务
}

def ask_gemini(
    prompt: str,
    complexity: str = "simple",
    system_prompt: Optional[str] = None,
    max_tokens: int = 2000
) -> str:
    """根据任务复杂度选择 Gemini 4 系列模型"""
    model = MODEL_ROUTER.get(complexity, MODEL_ROUTER["simple"])
    messages = []
    if system_prompt:
        messages.append({"role": "system", "content": system_prompt})
    messages.append({"role": "user", "content": prompt})

    try:
        resp = client.chat.completions.create(
            model=model,
            messages=messages,
            max_tokens=max_tokens
        )
        return resp.choices[0].message.content
    except Exception as e:
        return f"Error: {e}"

# 日常任务走 Argon，复杂调试走 Carbon
print(ask_gemini("给这个函数补充类型注解", complexity="simple"))
print(ask_gemini(
    "分析以下并发代码可能出现死锁的原因，并给出修复方案",
    complexity="complex",
    system_prompt="你是资深后端工程师，先列假设再逐一验证"
))

快速上手建议：Carbon 的 API 价格会在 12 月 1 日调整，建议先用小样本测试。通过 API易 apiyi.com 注册后可以获取免费测试额度，一个 API Key 即可同时调用 Gemini、Claude、OpenAI 等模型，方便在同一份 Prompt 上横向对比。

常见问题 FAQ

Gemini 三年演进核心要点 Key Takeaways

• 演进主线：Gemini 从理解信息，走到推理问题，再到长时间执行复杂任务
• 早期积累：1.0 原生多模态与 1.5 百万 Token 上下文是后续能力的地基
• 关键转折：2.5 的 Thinking 与 3 代的 Antigravity 让 Gemini 进入编程主战场
• 型号分工：Argon 管常规开发，Carbon 管复杂调试与长周期推理
• 理性看榜：Carbon 综合分领先，但在 WebDev 和编程 Agent 专项上 Opus 仍有优势
• 上手方式：可通过 API易 apiyi.com 用统一接口实测 Gemini 与其他主流模型

总结

从“美国豆包”到顶级编程模型，Gemini 这三年的核心要点可以归纳为三条：

1. 能力是逐层叠加的：多模态、长上下文、Thinking、工具调用、长时间执行，每一步都建立在上一步之上。
2. 生态是翻身的关键：Antigravity 等工具链给了模型真正动手的环境，Google 的产品分发又让这些能力触达大量用户。
3. 竞争仍然是多极的：Carbon 进入第一梯队，但 Opus、Astra 各有所长，开发者的最佳策略是按任务选模型。

曾经更多被当作 Google 全家桶助手的 Gemini，如今已经可以作为复杂工程和 Agent 开发的主力候选之一。榜单只是起点，真正的答案要在你自己的项目里跑出来。建议通过 API易 apiyi.com 用免费额度把 Gemini 4 系列和其他候选模型放在同一任务上实测，再确定团队的主力组合。

📚 参考资料

1. Google 官方博客：Gemini 1.0 发布：原生多模态模型家族介绍
2. 链接：blog.google/innovation-and-ai/technology/ai/google-gemini-ai

3. 说明：了解 Gemini 最初的设计定位

4. Google 官方博客：Gemini 3 与 Antigravity：Agentic Coding 与开发环境发布

5. 链接：blog.google/products-and-platforms/products/gemini/gemini-3

6. 说明：理解 Google 从模型走向工作环境的转折

7. Google 官方博客：Gemini 4 Carbon 上线及价格：开放范围与 API 定价

8. 链接：blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available

9. 说明：Carbon 与 Argon 的官方定位区别

10. Google DeepMind：Carbon 模型卡：上下文与能力说明

11. 链接：deepmind.google/models/model-cards/gemini-4-carbon

12. 说明：查看 100 万 Token 上下文等技术参数

13. Artificial Analysis：Carbon 评测专题：独立综合评测

14. 链接：artificialanalysis.ai/articles/gemini-4-carbon-new-number-1

15. 说明：Intelligence Index、Coding Agent Index 等数据来源

16. Arena：WebDev 开发榜单：网页开发专项排名

17. 链接：arena.ai/leaderboard/code/webdev

18. 说明：对比各模型在网页开发任务上的表现

19. Gemini API 官方定价：最新计费规则

20. 链接：ai.google.dev/gemini-api/docs/pricing
21. 说明：价格以官方页面实时信息为准

作者：APIYI 技术团队
技术交流：欢迎在 API易 官网首页联系我们，更多接入资料可访问 docs.apiyi.com 文档中心

延伸阅读

• Google Antigravity 推出 /swarm：AI 编程从单 Agent 执行走向多 Agent 团队协作的 4 类角色解读:解读 Google Antigravity /swarm 预览功能：Coordinator、Worker、Verifier、Monitor 如何分工协作，工作副本、可视化面板、额度消耗与权限边界一次讲清。
• Gemini 4 Carbon 用 /swarm 构建谷歌园区 3D 世界:拆解 Google 官方演示的鹈鹕骑 GBike 开放世界游戏，看 Gemini 4 Carbon 如何借助 Antigravity /swarm 协调多 Agent 完成三维资产、浏览器游戏与声音设计，以及它的边界。
• 从历史照片到交互式 3D：Gemini 4 Carbon 用一条提示词重现埃菲尔铁塔的建设过程:解读 Google 埃菲尔铁塔演示：Gemini 4 Carbon 如何借助 Antigravity 的 /swarm 多 Agent 协作，把历史照片和工程图纸组织成可交互的 Three.js 三维展览。
• Google API 每分钟狂跑 320 亿 Token：谁在消耗这些算力？:解读 Alphabet 2026 年第三季度财报披露的“每分钟近 320 亿 Token”，梳理开发者、企业客户与 Agent 场景的真实需求，并说明哪些数据仍未公开。
• Gemini 缓存命中率低的 5 大原因：AI Studio 与 Vertex 缓存计费界定详解:为什么 Gemini 文本模型的缓存命中率远低于 OpenAI 和 Claude？本文基于官方文档，拆解隐式缓存与显式缓存、最低 token 门槛、Vertex 项目隔离，并讲清 AI Studio 与 Vertex 的缓存计费界定与核账方法。