Google DeepMind 高層近日透露，下一代旗艦人工智慧（AI）模型 Gemini 4 已進入後訓練階段初期，目標是遠早於年底推出早期版本。在經歷研發策略調整與市場競爭加劇的背景下，這款 Gemini AI 新模型將扮演 Google 重回技術領先地位的關鍵角色。
邁向後訓練階段 研發重心轉向 Gemini 4
Google DeepMind 資深副總裁 Koray Kavukcuoglu 表示，團隊正在加速推動 Gemini 4 的研發工作，並希望在進行充分安全測試的前提下，儘快釋出早期版本並搭配後續的快速更新。隨著模型進入後訓練階段，研發重點在於微調基礎模型，提升其回答的穩定性與可靠度。
回顧發展歷程，Google 在推出 Gemini 3 與 3.1 版本後，曾將部分資源轉向開發規模較小、成本較低的 Flash 模型系列。雖然今年一度預計推出 Gemini 3.5 Pro，但隨著策略調整，團隊目前已將核心資源全面集中於 Gemini 4 的研發。內部工程團隊目前也已開始運用 Gemini 4 來輔助運行內部的 Antigravity AI 程式設計工具，驗證其在實際工作流程中的表現。
迎戰強敵競爭 與硬體 TPU 設計高度聯動
當前 AI 模型市場競爭熾烈，競爭對手包含 OpenAI 與 Anthropic 等業者皆相繼推出現代化旗艦模型，使 Google 面臨不小的技術追趕壓力。面對業界競爭，Google 強調將在確保安全機制與防護牆完善的前提下，逐步對外公開新模型。
值得注意的是，Gemini 4 的研發成果不只影響軟體層面，還將直接反饋給硬體團隊。前沿模型的運算需求與演算法突破，將成為 Google 設計未來兩到三代張量處理單元（TPU）晶片的重要依據。加上 Google 近期開始直接向客戶銷售 TPU 硬體，軟硬體的高度整合將成為其發展 AI 生態系的核心優勢。
這代表什麼
對台灣的中小企業與一般專業人士來說，Gemini 4 的加速推出與架構轉型傳遞了兩個重要訊號：
- AI 代理與自動化工具加速落地：隨著後訓練階段著重於可靠性與程式碼產生能力，未來的 AI 模型將不只是聊天機器人，而是能獨立執行複雜任務的 AI 代理（AI Agent），大幅提升企業在軟體開發與營運流程上的自動化效率。
- 雲端算力成本可望優化：Google 將 Gemini 模型研發與自研 TPU 晶片設計緊密結合，有助於降低大規模部署與推論的硬體成本。這意味著企業未來在導入高階 AI 模型時，有機會獲得更具成本效益的雲端運算選擇。
背景補充
為了讓讀者更容易理解相關進展，以下補充關鍵技術概念與團隊背景：
- 後訓練（Post-Training）：AI 模型開發通常分為「預訓練」與「後訓練」。預訓練是用海量資料建立基礎語言能力，而後訓練則是透過人類回饋強化學習（RLHF）與對齊技術，修剪模型的錯誤回答，確保 AI 的輸出安全、合乎邏輯且符合使用者需求。
- 張量處理單元（TPU）：TPU 是 Google 專為加速機器學習所設計的客製化晶片（ASIC）。相較於通用型的繪圖處理器（GPU），TPU 能針對特定 AI 演算法提供更高的運算效能與能源效率。
- 團隊領導層重組：Google 於今年下半年調整了 AI 團隊的管理架構，由原本擔任技術長的 Koray Kavukcuoglu 接任 Google DeepMind 資深副總裁暨首席 AI 架構師，主導業務推進；創辦人 Demis Hassabis 則轉任部門董事長兼 Alphabet 首席科學家，專注於長遠的科學研究與通用人工智慧（AGI）探討。
常見問題
Gemini 4 預計什麼時候發布？
Google DeepMind 透露 Gemini 4 已進入後訓練階段，預計會遠早於年底推出早期版本，並採取持續快速更新的方式釋出。
Gemini 4 與之前的 Gemini 模型有何不同？
Gemini 4 是 Google 的下一代旗艦 AI 模型，除了提升推理與程式設計能力外，其研發經驗也將直接用於指導 Google 未來兩至三代 TPU 晶片的設計。
什麼是 TPU？這對一般企業導入 AI 有什麼影響？
TPU 是 Google 自研的 AI 專用晶片。Google 將 Gemini 模型與 TPU 進行軟硬體協同設計，能有效降低 AI 模型的運作成本，讓企業使用雲端算力時具備更佳效益。