Gemini多代模型在同题测试中完成7项开放任务：结果可复核，成绩单仍未公开

事件核心与已确认信息

据quasa.io于2026年9月4日发布的报道，Google旗下Gemini多代模型在一组包含7道开放题的测试中完成了全部作答，且答题过程与结果被描述为“可核验”。报道同时指出，这批成绩目前仍属于内部测试范畴，尚未对外公开具体评分细节或答卷内容。这是目前关于该事件唯一可确认的事实。 从已知信息来看，该测试并未使用传统选择题或封闭式问答，而是采用“开放题”形式，意味着模型需要生成结构化推理、多步骤解题或带有论证性质的回答。此类测试通常比基准题库更能反映模型在复杂任务上的泛化能力，但缺乏公开评分标准也使得横向比较其他模型存在难度。 值得关注的是，“可核验”这一表述暗示测试方可能保留了完整的推理日志、中间步骤或人工复审记录。若这一机制属实，它可能为行业提供一种新的模型评测方法，即从单一分数转向可追踪、可回溯的证明体系。不过，具体验证流程和标准目前仍未见详细披露。

模型评测与算力投入的产业关联

开放题测试的复杂性往往意味着更高的推理算力消耗。与以往短问答评测不同，涉及多步推理的开放题要求模型在生成过程中进行更长的上下文计算，这对底层处理器、加速卡和内存带宽提出更高要求。业界普遍认为，推理阶段的算力需求正在成为AI基础设施投资的新增长点。 根据国际半导体产业协会（SEMI）在2025年发布的年度报告，全球半导体设备销售额在2024年首次突破1100亿美元，其中与AI加速相关的先进制程设备占比持续上升。与此趋势一致，多家云服务商在2025年年报中披露，其资本开支中用于AI推理服务器的比例已从2023年的不足三成提升至接近五成，但具体到Gemini测试所用的硬件配置，本次报道并未提供任何参数。 从芯片层面看，无论是Google自研的TPU（张量处理单元）还是外部采购的GPU，面对长时间、多步骤的推理任务，能效比和显存容量是关键瓶颈。Gemini多代模型若要稳定完成7道开放题，其背后的算力调度和集群稳定性至少需要达到大型企业级水平，这一判断基于公开的行业技术共识，而非本次测试的直接数据。

评测透明度与行业标准的潜在影响

行业内对于大模型能力的公认评测基准，如MMLU、HumanEval等，大多采用固定题集和自动评分，便于复现但容易被针对性训练影响。开放题测试的引入如果走向常态化，可能推动评测体系从“得分竞赛”转向“过程验证”。这一转变对于芯片设计公司、服务器厂商而言意味着新的适配需求，因为不同的推理验证流程可能对指令集架构、内存一致性提出差异化要求。 值得关注的是，RISC-V处理器在近年来的AI边缘计算和部分数据中心加速场景中开始获得关注。根据RISC-V国际基金会2025年公布的数据，采用RISC-V架构的芯片出货量已超过200亿颗，但其中大部分仍用于嵌入式场景，用于大型AI推理的案例相对少见。本次Gemini测试所使用的具体计算平台是否涉及此类处理器架构，报道中并未提及，有待进一步确认。 对于产业链而言，若未来主流模型评测重视“可核验的开放任务”，那么硬件的可调试性、日志记录能力以及中间状态输出接口都可能成为新的竞争维度。目前，包括NVIDIA、AMD以及多家国产处理器厂商在内，尚未公开针对此类评测场景的专门优化方案，市场反应仍处于观望阶段。

数据参考

• 本次新闻已确认数据：Gemini多代模型完成7道开放题测试；结果可核验；成绩属内部测试；报道来源quasa.io，发布时间为2026年9月4日。
• 行业背景参考数据：SEMI 2025年报告指出，2024年全球半导体设备销售额突破1100亿美元（用于反映AI相关资本开支趋势，非本次事件数据）。
• 行业背景参考数据：RISC-V国际基金会2025年数据显示，RISC-V架构芯片累计出货量超过200亿颗（主要用于嵌入式等领域，与大型AI推理关联度尚低）。
• 行业背景参考数据：部分云厂商2025年年报披露，AI推理服务器占其资本开支比例接近50%，较2023年显著提升（具体厂商名单与精确百分比暂缺可核验数据）。
• 待确认事项：Gemini模型版本数量、测试具体硬件平台、评分标准及发布渠道均未披露。 #AI #Gemini #模型评测 #芯片算力