AI三巨头密集发布新模型：Claude强化根源修复，Gemini与GPT在垂直领域表现各异

一句话结论

Claude新模型通过根源修复提升效率，Gemini 4 Carbon与GPT-6.1 Terra分别在编程及遗留代码处理上展现新能力，模型竞争进入精细化阶段。

关键要点

• 内测反馈显示，新版Claude不仅能修复单一缺陷，更能识别并处理导致该缺陷的底层系统性问题，并具备跳出常规思维模式的能力。
• 谷歌新模型Gemini 4 Carbon在编程任务上超越其前身Argon，并凭借YouTube数据训练在视觉理解任务上表现突出，内部员工评价其性能与Claude Opus 5.5相当。
• GPT-6.1 Terra已现身于微软Copilot代码库，OpenAI计划借此合并ChatGPT的不同工作模式，并将更廉价的模型配置给免费用户。
• GPT-6.1 Sol在处理COBOL代码迁移测试中，最低档位准确率为86.6%，高推理档位达97.9%，大幅优于上一代GPT-5.6 Sol的5.4%表现。
• COBOL语言目前支撑着全球40%以上的银行系统、80%的面对面信用卡交易及95%的自动柜员机（ATM）交易，Fortran则广泛应用于天气预报与核反应堆安全分析领域。

背景与事实

在谷歌方面，代号Gemini 4 Carbon的新模型正处于内部测试阶段。此前发布Gemini 4系列时，内部代号“Barium-B”被选定并最终发布了当前的Argon。相比之下，早期版本的Argon在部分编程任务上的表现落后于Claude Opus 5。然而，最新曝光的Carbon版本在编程任务上较Argon有显著提升，且在需要视觉理解的场景（如视频分析、前端页面功能测试）中表现更好，这主要得益于其在训练阶段使用了YouTube的数据。谷歌内部编程平台Jetski曾向员工开放Carbon数日，体验后的员工反馈认为其能力“与Opus 5.5相当”。针对该版本的泄露，谷歌员工Vedant Misra在社交媒体上回应提及“递归自我改进（RSI）”，引发了外界对其是否采用了相关技术的猜测。

OpenAI近期被曝未停止迭代，GPT-6.1 Terra已经出现在微软Copilot的代码中。这一发现推翻了此前关于“6.1 Sol仅为5.6 Sol更名”的猜测，证实了6.1 Sol在升级幅度上的局限性。OpenAI的战略意图之一是将ChatGPT的Chat、Work模式与Codex模式合并，这需要一款成本更低的模型来服务免费用户群体，Terra的推出符合这一逻辑。在技术能力层面，OpenAI发布了关于模型在冷门编程语言表现的最新进展。数据显示，在将COBOL程序迁移至其他语言的测试中，GPT-6.1 Sol在低档位设定下实现了86.6%的准确率，而在开启更高推理档位后，准确率攀升至97.9%。作为对比，上一代GPT-5.6 Sol在同类测试中的准确率仅为5.4%，这一断层级差距凸显了新一代模型在处理遗留系统（Legacy Systems）上的技术突破。

影响分析

对于中文开发者与从业者而言，模型能力的这种差异化演进将深刻改变其工作流与工具选择。首先，Claude新模型“治本”的缺陷修复逻辑意味着，企业在进行代码审计与系统重构时，有望通过一次交互解决成百上千个相关联的底层隐患，从而大幅缩短维护周期，降低因重复修补导致的长期技术债务。其次，GPT-6.1 Sol在处理COBOL等古董语言上近乎满分的表现，对金融、公共事业等依赖老旧系统的行业具有直接的实用价值。由于缺乏掌握Fortran或COBOL的资深人类程序员，这些领域长期面临“黑盒化”的代码维护困境，而OpenAI的最新进展为遗留系统的自动化迁移与安全审计提供了可行的技术方案，使得“系统现代化”的落地门槛大幅降低。

适用边界

上述关于Claude、Gemini及GPT新模型的结论主要基于内测反馈与特定测试集数据，并不直接等同于各模型在全部通用任务或极端复杂生产环境中的实际表现。Gemini 4 Carbon目前仅处于内部开放数日的测试阶段，其“与Opus 5.5相当”的评价基于特定员工在Jetski平台的体验，尚未覆盖完整的长尾场景与多模态极限压力测试。同时，GPT-6.1 Sol在COBOL迁移测试中取得的高准确率，依赖于该测试集中语言规则的特定分布，若目标遗留代码库包含大量非标准化或高度定制化的历史分支逻辑，该模型的实际迁移成功率可能会因缺乏针对性的领域微调而有所下降。

孤本观察

AI模型竞争的重心已从单一的通用性能参数比拼，加速转向针对特定垂直痛点（如遗留代码、深层系统逻辑重构）的功能性验证，模型迭代逻辑也呈现出更为明确的成本与场景分层特征。

来源：量子位