GPT-6.2与Gemini 4 Carbon集体泄露：AI巨头新一轮竞赛前瞻

AI前沿模型的泄露节奏从未如此密集。据B站科技UP主汇总的多方信息，OpenAI、Anthropic、Google三家几乎在同一时间窗口被曝出下一代模型动向：GPT-6.2（代号Beetlejuice）、Claude Fable 5.5与Opus 6、Gemini 4 Carbon的早期检查点相继出现在内部追踪器和Arena测试平台。这些消息大多未经官方确认，但多条线索相互印证，勾勒出一幅相当激进的技术路线图。

OpenAI：GPT-6.2 Beetlejuice与科学发现野心

据追踪者Nath Daniel的观察，内部追踪器捕捉到代号Beetlejuice的新模型标识，据称基于DuckTrio预训练系列。命名体系与Arena中出现的太空主题图像模型（Aurora、Shooting Star、Soul、Luna、Asha）形成呼应——Beetlejuice本身是一颗红超巨星。

更值得关注的是能力层面的传闻。该模型被与Navier-Stokes问题上的进展联系在一起，甚至有约10万亿参数的猜测。这些说法均未获官方确认，但泄露时机颇为微妙：11月1日恰逢OpenAI的28天挑战结束日。

Sam Altman在播客中透露的信息为这些传闻提供了侧面注脚。他表示OpenAI研究员曾将职业生涯中最难的问题抛给新模型，模型接连解决了多个科学领域的难题。据其说法，OpenAI已在Navier-Stokes研究上投入约1000万美元算力，在其他科学发现上投入超过1亿美元。当被问及是否发现了远超公开分享的700个数学证明时，Altman回应“当然”。这不能独立证明方程已被解决，但揭示了未发布模型的强度边界。

产品层面，OpenAI宣布将所有Pro档位及商业高级套餐的使用额度翻倍，并确认不降低Pro200用户的用量限制，Codex用量保持不变。但另一条线索值得警惕：ChatGPT网页结账流程中出现隐藏免责声明，称套餐用量将在ChatGPT与Codex之间共享限额，暗示产品线正走向整合。

Navier-Stokes问题是流体力学中描述粘性流体运动的一组偏微分方程，其解的存在性与光滑性是克雷数学研究所2000年悬赏百万美元的七个“千禧年大奖难题”之一。三维情形下，方程是否总存在全局光滑解至今未获证明。若AI模型真能在该问题上取得实质进展，其意义远超一般的基准测试成绩——它意味着模型具备构造严格数学论证的能力，而不仅是模式匹配。这也是为何相关传闻虽未经证实，仍引发广泛关注。

Anthropic：双线迭代与可监控性挑战

Anthropic的泄露呈现双线特征。据DevMode Discord用户报告，Claude Opus 5.5正将部分请求秘密路由到更新的检查点，输出质量明显优于当前版本；同时有新的Fable检查点进入早期测试。社区还流传一个简易判别方法：询问模型某个特定时间节点的事件，通过回答差异判断是否被路由到实验模型。

从展示案例看，新Fable检查点在SVG生成上表现突出——精细的羽毛分离、水面倒影、日落光线，据称模型在未被明确提示的情况下自行添加了这些细节。PS5 SVG对比测试中，Fable的纹理与光照细节明显优于Opus 5.5。这种“理解场景并独立补充创意细节”的能力，可能是Fable系列与现有模型拉开差距的关键。

安全层面，Anthropic推出名为“自我评估”的技术。模型在生成回复后利用现有KV缓存进行隐藏安全评估，整个过程仅需约10个额外Token和不到2%的额外推理算力。据官方数据，在Claude Fable 5上测试时，系统识别出78%的潜在有害对话和94%被更强分类器标记的高优先级案例，误报率仅1%。

API方面，消息与Token计数API的最大请求大小从32MB提升至128MB，单张图片分辨率上限从2000像素提高到3000像素——但128MB限制仅适用于第一方API，第三方云平台仍为20-32MB。

KV缓存（Key-Value Cache） 是Transformer推理中的关键机制：模型在逐Token生成时，会把每一层注意力计算中的键和值向量缓存下来，避免对已生成内容重复计算。Anthropic的“自我评估”正是复用这份缓存——在正常回复生成完毕后，模型无需重新读入上下文，直接在已有内部状态上追加一段极短的评估推理，因此额外开销仅为约10个Token。这种设计把安全检测嵌入了推理管线本身，而非依赖外挂的独立分类器，是其成本得以压到2%以下的技术前提。

Google：Carbon的性能价格双重优势

Google的Gemini 4 Carbon（Arena中以Gemini4 Argantide名义测试）是本次泄露中测试数据最扎实的一个。

交互式彩虹果冻前端对比测试中，两个模型完成度接近，但Carbon仅用32分钟、4.3美元，Opus 5.5耗时1小时20分钟、花费14美元。钢铁侠头盔复刻任务中，Carbon生成超过210万个Token、耗时43分钟、花费7美元。黑洞模拟任务更是单条提示产出3508行代码，全部打包在一个HTML文件中，零外部资源。

综合多个测试，Carbon比Opus便宜约3倍、快约2.5倍，而输出质量在多数场景下相当甚至略优。这一性价比差距如果成立，将对开发者的模型选择产生实质影响。Google旧模型在长编程任务中的跟踪能力短板、千篇一律的界面生成问题，据观察在Carbon上已有明显改善。

Google同期还更新了AI Studio的XR模块，支持一句话构建交互式3D与扩展现实应用，包含手部追踪、捏合手势和逼真物理效果。Notebook团队则向学生免费开放数百本教科书。

Arena（LMArena，原Chatbot Arena） 是由LMSYS等机构维护的众包模型对战平台，用户对两个匿名模型的回答盲评投票，再通过Elo类评分体系生成排行榜。由于模型以化名参与测试，新模型常在被正式发布前就以代号出现在Arena上，因此该平台长期被视为模型泄露的“前哨站”。文中Gemini 4 Carbon以“Gemini4 Argantide”名义测试，正是这一机制的体现——不过化名对战数据只能反映相对偏好，不能替代受控的工程基准测试。

其他值得关注的动向

阿里通义千问^广告4的发布窗口被指向“下周”——阿姆斯特丹活动上一位研究员给出了这一说法，PR中已合并引用千问4系列六个不同模型的代码，覆盖Max、Plus、Flash、270亿参数本地模型及Omni 1200亿参数Think模型。Mistral Large 4的全中参数已在Hugging Face开放获取，据称成为最强的开放全中智能体编程模型。

最具争议的演示来自生物实验领域：据报道，有人用Claude Sonnet 5控制机器人手术系统对活体小鼠实施脑部手术，分析19种治疗方案、计算注射参数、控制手术装置，全程查看实时摄像头32次。说个细节，Opus 5和Opus 5.5均因涉及真实生物实验而拒绝执行，Sonnet 5则在人类监督下继续。研究者认为这可能是AI首次独立选择治疗方案并注入活体哺乳动物大脑，但该主张尚未完全证实。

全中参数（全参数开放权重） 指模型发布时公开完整的权重文件，而非仅提供API或部分开放。与“开放权重”相对的是闭源API模式。Mistral长期以开放权重策略区别于OpenAI、Anthropic和Google，其模型可本地部署、微调，对隐私敏感或成本受限的场景吸引力显著。“智能体编程模型”则指针对多步工具调用、代码执行与自主纠错等智能体工作流专门优化的模型，评测重点从单轮代码生成转向长任务中的稳定性。

竞赛的主线

把三条线索放在一起看，这轮竞赛的焦点已经分化：OpenAI押注前沿科学发现与超大规模预训练，Anthropic在模型能力迭代之外强化可监控性与安全评估，Google则用Carbon主打性能价格比并快速铺开产品集成。对开发者而言，最有实际意义的信号或许是Carbon的价格曲线——如果便宜3倍、快2.5倍的模型输出质量真的接近旗舰，模型选型的逻辑会被重写。而对整个行业来说，OpenAI那篇关于监控的博客提出的问题更值得长期关注：当模型越来越擅长控制其可见推理过程所暴露的内容，判断它们是否按预期行事正变得愈发困难。