AlphaEvolve 是什麼？從演算法演進到 Gemini 4 的解讀

重點摘要

Gemini 4 與 AlphaEvolve 是兩項獨立技術。Google 已確認 Gemini 4 正在進行預訓練，但尚未發布其模型卡、基準測試、定價或 API 細節。

AlphaEvolve 已可在 Google Cloud 使用。它利用 Gemini 模型生成候選程式，透過自動化測試進行評估，並以迭代方式搜尋更佳的演算法。Google 尚未確認 Gemini 4 是否為 AlphaEvolve 提供動力，或 AlphaEvolve 是否參與了 Gemini 4 的訓練。

重要要點

• AlphaEvolve 將程式碼生成轉化為基於執行與可衡量回饋的可重複搜尋流程。其已發布的應用涵蓋 Google 基礎設施、數學、基因組學、量子運算、物流與機器學習。
• 若 Gemini 4 提供更好的程式碼推理與工具使用，可能改進候選生成，但此連結尚未獲得確認。
• AlphaEvolve 需要可運行的種子程式、可靠的評估器與隔離的執行環境。
• 這是受限的演算法優化，而非自主遞迴式自我改進。

Gemini 4 + AlphaEvolve：為何將它們放在一起討論？

將 Gemini 4 與 AlphaEvolve 放在同一討論中，可能讓人產生 Google 已經打造能設計自身後繼者的系統之印象。現有證據不支持此結論。

Google 對 Gemini 4 的公開資訊相對有限。公司已確認預訓練正在進行，並稱其為迄今最雄心勃勃的預訓練運行。但尚未發布評估完備模型所需的技術文件。

AlphaEvolve 進度更為領先。Google DeepMind 在 2025 年 5 月介紹了 AlphaEvolve，Google Cloud 在 2026 年 7 月宣布全面可用。目前已提供公開的開發者文件、API 工作流程與已記錄的應用。

因此，Gemini 4 + AlphaEvolve 更應被理解為一種可能的技術路線，而非已確認的產品組合。Gemini 4 代表通用模型能力的持續演進；AlphaEvolve 展示了如何在可衡量的演算法研究流程中測試模型生成的程式。

Gemini 4 代表什麼

Gemini 起初是面向文字、影像、音訊、影片與程式碼的多模態模型家族。其角色隨後擴展至搜尋、開發環境、效率軟體、瀏覽器與雲端服務。

對 Gemini 4 的關鍵問題已不僅限於回應品質，而是模型能否在長任務、大型程式碼庫、工具呼叫與反覆回饋下保持可靠。

Google 已確認 Gemini 4 的預訓練運行，但尚未公布模型的參數規模、上下文視窗、基準測試、定價或公開 API 規格。在 Google 釋出官方文件之前，對這些細節的宣稱都應視為未經證實。

什麼是 AlphaEvolve

一般的程式輔助工具會為請求產生程式碼。AlphaEvolve 則是在眾多可運行的實作中搜尋，找出依據可衡量標準表現更佳的版本。

Gemini 模型提出候選程式，評估器測試其正確性與效能，演化系統決定哪些候選應影響下一輪。

這使 AlphaEvolve 適用於演算法發現、數學搜尋與組合最佳化。它並非為常規應用開發、靜態檢查或程式風格清理而設計。

共同點：AI 進入「探索—驗證—優化」的閉環

語言模型通常在產生答案後即停止。AlphaEvolve 透過編譯、執行與評分生成的程式，加入外部回饋。

該流程重複三項活動：

1. 探索新演算法與程式結構。
2. 透過執行與客觀測試驗證候選。
3. 根據量測結果優化後續候選。

Gemini 提供推理與候選生成；AlphaEvolve 將這些能力組織為可持續遍歷數百或數千個程式的實驗。

從 LLM 到 AI 科學家：轉變究竟發生在何處？

AlphaEvolve 不會自行選擇研究議題或決定應追求的目標。轉變在於模型在研究流程中的位置。

模型不再只是解釋問題或撰寫孤立的程式碼，而是參與提出、測試與修訂解法。研究者仍然定義任務、構建評估器、詮釋結果，並決定哪些成果進入生產或科學出版。

在數學領域，計算證據不能取代證明；在晶片設計中，非典型電路仍需通過形式驗證；在生產軟體中，即便更快的實作仍需經過安全與可維護性審查。

因此，從 LLM 到 AI 科學家的轉變，並非科學權威的移轉，而是模型進入實驗迴圈。

我們目前對 Gemini 4 已知與未知的部分

有一項近期訊號值得關注。2026 年 9 月 17 日，一位 Gemini 使用者發布了並排的 Arena 對比，並暗示標記為 Gemini 3.8 Flash 的請求被路由到新的 Gemini Pro 模型，在貼文中被描述為 Gemini 4 Pro。

來源：來自 X 的 @TimJayas

對 AlphaEvolve 而言，這個可能的連結是直接的。更好的程式碼推理、規劃與工具使用可能改善候選程式的品質。Google 尚未確認當前 AlphaEvolve 服務是否使用 Gemini 4。

我們已確認的資訊

Google 已確認 Gemini 4 預訓練已啟動。關於 Pro 檢查點與 Arena 路由的內容來自社群報告，而非官方模型文件。

尚待確認的資訊

多項細節仍未成文或未獲確認。AlphaEvolve 已發布的訓練最佳化，也應與其參與 Gemini 4 的主張加以區分。

DeepMind 的 AlphaEvolve 公告記錄了對用於 Gemini 訓練的計算之改進。這支持一個較窄且已建立的主張：訓練效率的提升，而非與 Gemini 4 的已確認連結。

AlphaEvolve 如何運作：演算法演化與原理

AlphaEvolve 結合程式生成、演化式搜尋與自動化評估。一個可運行的程式進入系統，Gemini 提出更動，評估器對每個候選進行量測。表現更佳的程式會成為後續輪次的素材。

演化式搜尋

AlphaEvolve 維護候選程式與其分數的資料庫。被選中的程式會被納入之後的提示，讓 Gemini 可對其修改或組合。當新候選提升表現或提供有用的多樣性時，會加入資料庫。

系統不僅保留單一優勝者。維持多個程式族群可降低過早收斂至局部最優的風險，亦可平衡速度、記憶體使用、準確度與穩定性等多項指標。

種子程式

種子程式是提供給 AlphaEvolve 的可運行基準。它需要清晰的輸入輸出、可重複的執行、通過的測試與可衡量的分數。

開發者也會指定 AlphaEvolve 可修改的程式碼範圍，以保護介面、安全檢查與既定行為不被更動。

根據 AlphaEvolve 開發者總覽，起始程式應已具備功能正確性。AlphaEvolve 並非用來將不完整的自然語言請求轉化為整個應用。

評估器

評估器會編譯、執行、測試並評分每個候選。視任務而定，它可能量測正確性、延遲、記憶體使用、數值誤差、解品質或業務約束。

其設計決定了搜尋實際在最佳化什麼。僅測速的評估器可能獎勵不準確的程式碼，而不完整的測試組可能暴露漏洞。可靠的專案因此會使用多個測試與指標，而非單一便利的基準。

候選程式生成

Gemini 模型根據種子程式、問題描述、約束、先前程式、分數與失敗報告生成候選。變更可能是局部的，也可能涉及多個相連元件。

Google 最初的 AlphaEvolve 描述中，使用較快的 Gemini 模型來擴展探索，並用更強的模型提出更深的修訂。Google 尚未確認目前服務所使用的具體 Gemini 版本。

執行與篩選

候選首先通過剖析、編譯與正確性檢查。有效的程式接著進入效能評估。高分結果可作為後續輪次的種子，而失敗則提供需避免之路徑的訊號。

Google Cloud 允許在客戶自有環境中運行評估器，支持專有程式碼、私有數據、專用硬體與高效能運算系統。

高分程式仍應接受程式碼審查、安全測試、分階段部署與回滾規劃。

AlphaEvolve 與一般程式碼生成的差異

一般程式碼生成協助完成開發任務。AlphaEvolve 旨在於多個有效實作中尋找表現更佳的版本。

程式輔助工具可從文字請求開始並產生少量輸出供人工審閱；AlphaEvolve 通常從可運行程式出發，仰賴評估器處理眾多候選。

兩種方法可結合：程式輔助工具可協助建立基準，AlphaEvolve 則在建立測試與基準後優化特定元件。

AlphaEvolve 已經公開的成果有哪些？

Google 公布的範例涵蓋基礎設施、科學與商業部署。以下數據主要來自 Google DeepMind、Google Cloud 與參與組織。

各專案使用不同的硬體、資料集、基線與搜尋預算。百分比不應被視為可直接比較的基準分數。

Google 計算基礎設施

AlphaEvolve 發現了一個 Borg 排程啟發式，Google 稱其可平均回收約 0.7% 的全球運算資源。

它還將 Gemini 使用的矩陣乘法核心加速了 23%，使整體訓練時間縮短約 1%。其他報告結果包括：

• 對某個 FlashAttention 實作的加速最高達 32.5%
• 一個電路被納入後續 TPU 設計
• 將 Google Spanner 的寫入放大降低 20%
• 編譯器方面的想法將軟體儲存佔用減少近 9%

這些範例顯示 AlphaEvolve 正走出應用程式碼範疇，進入排程、儲存、編譯器、GPU 核心與晶片設計。

數學與科學研究

對於 4 × 4 複數矩陣，AlphaEvolve 找到了一個使用 48 次純量乘法的演算法。

在涵蓋超過 50 個數學問題的實驗中，Google 報告 AlphaEvolve 在約 75% 的案例中重新發現了最先進結果，並在約 20% 的案例中改進了最佳已知結果。

Google 的2026 年 AlphaEvolve 影響報告亦描述：

• 對 DeepConsensus 的變異檢測錯誤降低 30%
• 交流最佳潮流（AC Optimal Power Flow）模型的可行解比例，從 14% 提升至超過 88%
• 自然災害預測的整體準確度提升約 5%
• 相較於傳統最佳化基準，量子電路的錯誤率降低十倍

AlphaEvolve 也對 Erdős 問題、旅行商問題、Ramsey 數與 11 維親吻數問題提供了計算結果。

這些結果可支持科學研究，但計算性發現仍需要領域審查，且在適用時需要數學證明。

企業應用

商業部署將相同方法應用於成熟系統：

• Klarna 報告在探索近 6,000 個候選程式後，訓練吞吐量翻倍且模型品質有所提升。
• FM Logistic 將倉庫路由提升 10.4%，每年員工行走距離減少超過 15,000 公里。
• JetBrains 報告選定 IDE 演算法約 15% 至 20% 的提升。
• Kinaxis 在將基準執行時間降低逾 90% 的同時，關鍵預測指標提升超過 22%。
• Schrödinger 的機器學習力場訓練與推理速度約提升四倍。
• WPP 報告在廣告使用案例中，準確度提升約 5% 至 10%。

AlphaEvolve 並非從零開始構建這些系統。各組織提供了可運行軟體、領域專長與可衡量的評估流程。

Gemini 4 與 AlphaEvolve 如何協同運作

Google 尚未確認 Gemini 4 是否為 AlphaEvolve 提供動力，或 AlphaEvolve 是否直接對 Gemini 4 有所貢獻。以下工作流程是基於 AlphaEvolve 公開設計的推演，而非 Google 已宣布的整合。

步驟 1：Gemini 理解問題並生成候選解

Gemini 可在提出演算法、資料結構、記憶體存取或模型元件變更前，分析種子程式、任務約束、測試結果與先前候選。

若 Gemini 4 改進了程式碼庫理解與長時工具使用，它可能提升 AlphaEvolve 候選的品質。所提更動仍需外部測試。

步驟 2：AlphaEvolve 負責探索與迭代

AlphaEvolve 管理哪些歷史程式影響新候選，以及搜尋中保留多少多樣性。它在持續探索與對有前景分支的深入工作之間取得平衡。

更好的模型推理或可改善單次提案，但演化流程仍然必要，因為看似合理的程式碼未必更快或正確。

步驟 3：自動化評估器篩選有效解

評估器提供來自真實執行的證據。對模型開發任務，它可能量測：

• 訓練吞吐量
  R* 推理延遲
• 記憶體使用
• 模型品質
• 穩定性
• 硬體利用率
• 可重現性

昂貴任務可能採用多階段評估：廉價測試先剔除無效候選，較強候選再進入更長的執行或更大的基準套件。

步驟 4：成功解返回模型以持續優化

高表現的程式會連同其分數與變異歷史一同回到後續提示中。

迴圈為：

Generate → Execute → Evaluate → Select → Generate Again

這是在人為定義邊界內的持續最佳化。Google 是否會用它來設計 Gemini 的架構、訓練方法或數據管線，仍是未決問題。

AlphaEvolve 的適用場景與限制

當任務可用程式表述、候選可自動執行且結果可被可靠量測時，AlphaEvolve 的表現最佳。

適合任務

良好候選包括：

• GPU 核心與數值演算法
• 編譯器策略與快取政策
• 叢集排程與資料庫啟發式
• 物流與路由規劃
• 晶片設計與電網最佳化
• 數學搜尋
• 特定機器學習元件

合適的專案通常具備可運行基準、可靠評估器、可量化目標、巨大的搜尋空間、隔離執行環境，以及足夠算力以測試眾多候選。

不適合任務

僅有口頭需求且沒有可運行程式的專案不適合 AlphaEvolve。

常規格式化、文件撰寫、一般重構與主觀設計決策，對演化式搜尋的價值也不高。

對於標準線性或凸最佳化，現有的精確解器可能仍更合適。無法安全執行生成程式碼的專案，不應在未建立限制環境前使用自動化候選迴圈。

限制與預期瓶頸

評估成本是首要限制。小型演算法可能需數秒測試，而模型訓練或科學模擬可能需數小時。大型搜尋可能比人工優化更昂貴。

目標設計是另一限制。系統會追求評估器所量測的內容，包括偶然的漏洞。硬體噪聲、隨機種子與快取也可能使微小收益不可靠。

可維護性與安全性仍由人負責。自動發現的程式碼可能難以理解，或綁定於特定硬體。候選程式應在受限的網路、儲存、時間與算力條件下運行。

Gemini 4 與 AlphaEvolve 對一般開發者意味著什麼？

大多數開發者不會為每個功能使用 AlphaEvolve。網站、行動應用、API 與內部工具仍更適合常規程式輔助與既有測試流程。

近期影響將更大地體現在效能工程、演算法設計與機器學習領域。開發者可能減少逐一手動測試單一最佳化的時間，轉而更多投入建構可評估多個替代方案的環境。

相關技能包括：

• 撰寫可重現的基準測試
• 設計兼顧正確性與效能的評估器
• 定義安全的程式碼邊界
• 追蹤實驗歷史
• 審閱生成程式碼之安全性與可維護性
• 規劃分階段部署與回滾

程式知識仍然必要。工程師仍需檢測基準被濫用、未定義行為、數值不穩定與硬體特定假設。

CometAPI 讀者應關注什麼

對於 CometAPI 使用者而言，模型存取只是 AlphaEvolve 式系統的一層。其餘堆疊包括程式碼執行、評估、實驗追蹤、安全控管與成本管理。

團隊應記錄：

• 精確的模型版本與生成設定
• 提示與候選程式
• 評估器與測試資料版本
• 執行環境
• 分數與失敗原因
• 模型與運算成本

生成程式碼應在隔離容器中運行，且不得使用生產憑證。應限制網路與檔案存取、執行時間與算力使用。

當 Gemini 4 發布公開 API 時，開發者應驗證其官方模型 ID、定價、限制與 CometAPI 可用性。生產程式碼不應依賴來自未證實報告的名稱或規格。

未來對 Gemini 4 與 AlphaEvolve 的觀察指標

若干公開資訊將有助釐清 Gemini 4 與 AlphaEvolve 是否正走向真正的組合工作流程：

• 官方的 Gemini 4 模型卡與 API 規格
• 確認 AlphaEvolve 所使用的具體 Gemini 模型
• 證明 AlphaEvolve 對某個已發布的 Gemini 元件有貢獻
• 關於候選數量、搜尋預算與失敗運行的公開細節
• 在 Google 與其合作夥伴之外的獨立重現
• 涵蓋模型呼叫、執行、審查與維護之成本比較

最清晰的證據將是一項由 Gemini 模型提出、經 AlphaEvolve 驗證並納入後續 Gemini 發行版的已記錄改進。

在此之前，「自我改進」更準確的描述是受限的工程自動化。

常見問題

Gemini 4 是否已發布？

尚未官方發布。截止 2026 年 9 月 17 日，Gemini 4.0 似乎已在 Arena 上低調現身。社群報告指出，標記為 Gemini 3.8 Flash 的請求可能被路由到 Arena 內的新 Gemini Pro 模型。

這應被視為可能的預發布測試，而非正式的 Gemini 4 發布。

什麼是 AlphaEvolve？

AlphaEvolve 是由 Google DeepMind 開發的演算法發現與程式優化代理。Gemini 模型生成候選程式，評估器執行並評分，演化式搜尋根據結果引導後續候選。

AlphaEvolve 是否全面可用？

Google Cloud 在 2026 年 7 月宣布全面可用。存取條件、地區、配額與定價應查閱 Google Cloud 當前文件。

AlphaEvolve 是否使用 Gemini 4？

Google 尚未公開確認 AlphaEvolve 使用 Gemini 4。原有系統使用 Gemini 家族模型，但這並不指明當前服務背後的具體模型。

AlphaEvolve 與程式輔助工具有何不同？

程式輔助工具會依請求生成或修改程式碼。AlphaEvolve 從可運行程式出發，反覆進行實驗以尋找在可衡量表現上更好的實作。

AlphaEvolve 可優化哪些類型的程式碼？

已發布應用包括 GPU 核心、CPU 演算法、編譯器策略、快取政策、排程系統、資料庫啟發式、路由演算法、模型元件、數值方法與硬體電路。

普通開發者可以使用 AlphaEvolve 嗎？

開發者可透過 Google Cloud 嘗試取得存取，視當前帳戶與可用性要求而定。該系統最適合具備可運行基準、可靠評估器，且能進行反覆測試的專案。

Gemini 4 可透過 CometAPI 存取嗎？

應在 Gemini 4 獲得官方 API 並出現在 CometAPI 的支援模型文件後再行確認。開發者不應依據第三方報導假定模型 ID、價格或發布日期。