
Gemini 4 Carbon 为何运行如此缓慢?
近期一项私有基准测试揭示了一个惊人现象:Gemini 4 Carbon 完成某些任务耗时近一小时,而 Opus 和 Astra 仅需几分钟。社交媒体上,大量用户反馈其速度慢得难以接受,甚至直言“几乎无法使用”。数据显示,Carbon 最快用时为 22 分 21 秒,而 Opus 5.5 最慢也仅为 9 分 33 秒。
为查明原因,我们对 Carbon 的运行步骤进行了全流程追踪与量化分析。
任务设定:工程判断力的考验
测试任务要求智能体根据仅描述症状的 Bug 报告,诊断并修复代码库中的错误,且不得进行无关更改。该任务的难点在于工程判断力:从症状追溯代码路径、排除干扰项、精准定位修复位置并适时停止。
归因分析:速度慢还是工作量过大?
分析显示,Carbon 的迟缓由多重因素叠加导致:
- 推理速度较慢:包括排队、延迟及生成速度。与 Astra 相比,Carbon 额外耗时的 16–30% 源于此;与 Opus 相比,这一比例达 45–49%。
- 执行轨迹更长:Carbon 在每个任务上做了更多工作。其执行步数约为 Astra 的七倍,文件读取或命令运行次数约为十一倍。由于每步需重新发送日益增长的对话历史,其处理的输入量超过 Astra 十六倍。
排除常见干扰因素
在深入日志前,我们排除了两个简单解释:
- 框架差异:将 Carbon 放入 opencode 和 mini-SWE-agent 等其他编码智能体框架中运行,结果无显著差异。
- 推理层级不匹配:虽然各提供商对“努力程度”设置未标准化,但将 Carbon 调至“低”模式后,它往往陷入循环阅读而非修复,无法生成有效方案。
深度解析:一半步骤在做无用功
通过对每一步骤标记用途,我们发现 Carbon 有一半的步骤用于执行工单从未要求的工作:
- 审计超出范围的代码:找到原因后,Carbon 仍扩大搜索范围,审计那些无需触碰的代码路径。
- 封堵已排除的漏洞:针对工单事实中已明确排除的情况,Carbon 仍进行防御性加固,应对无人报告的潜在问题。
Carbon 能识别自己在过度工作吗?
样本试验显示,Astra 在一分钟内找到原因并随后三分钟内写出修复代码;而 Carbon 虽在约六分钟内找到原因,却在接下来 25 分钟内未编写任何代码。
为区分是“知识缺口”还是“行为习惯”,我们在修改后的框架中每隔五轮自动注入检查:“你已有足够信息修复吗?”加入检查后,Carbon 完成时间从 37 分钟缩短至 28 分钟,从定位原因到开始编辑的等待时间从 25 分钟减至约 10 分钟。这表明,其缓慢主要源于行为模式,而非能力不足。
必要工作也存在机械性低效
即使在必要的修复步骤中,Carbon 也表现出效率低下:
- 单步产出低:Astra 平均每步进行两次以上工具调用,常同时读取多文件;Carbon 平均每步仅一次调用,通常只读一个文件。
- 重读率极高:Carbon 读取的行中有 39% 是曾读过的,而 Astra 仅为 7%。
估计这两项“机械性”低效约占 Carbon 额外运行时间的四分之一。
结论
在高难度 Bug 修复任务中,Carbon 耗时近一小时,远超 Opus 和 Astra 的几分钟表现。差距主要归结为三点:
- 推理速度慢:单步耗时更长,解释了与 Astra 差距中的 16–30%,以及与 Opus 差距中的一半左右。
- 不必要的工作:约一半步骤用于审计无关代码或封堵已排除漏洞。
- 机械性低效:单步工具调用少及高频重读拖慢速度;仅修复此类低效即可将运行时间缩短约四分之一。