据 The Information 等媒体报道，Google DeepMind 在 6 月下旬调整了成立约两个月的 AI 编程团队，将工作范围从编程工具和 Agent 扩展到「中训练」（midtraining）。这一阶段通常安排在大规模预训练与后训练之间，用更有针对性的数据继续训练模型。
这次调整说明，Google 正把提高编程能力的工作延伸到训练流程。它是否能缩小 Gemini 与 Claude 在复杂编程任务上的差距，还需要后续模型和产品的测试结果。
成立约两个月，编程团队把任务扩展到模型训练
据报道，Google 今年 4 月组建了 AI Coding Strike Team，由此前负责 Gemini 预训练的 DeepMind 研究工程师 Sebastian Borgeaud 领导，Google 联合创始人 Sergey Brin 和 DeepMind CTO Koray Kavukcuoglu 直接参与。团队希望改善 Gemini 处理复杂、长时间运行编程任务的能力，追赶 Claude。
到 6 月下旬，The Information 和 Neowin 相继报道该团队正在调整工作范围。Neowin 援引内部信息称，团队将更关注模型在预训练之后如何继续学习编程数据，而不只改进提示、界面或 Agent 工具。
Google 管理层也希望提高内部编程的自动化程度。CFO Anat Ashkenazi 此前称，AI 撰写了 Google 约 50% 的代码；Anthropic 则曾给出接近 100% 的说法。两家公司披露的范围和时间并不完全相同，但都在强调 AI 参与开发的重要性。Brin 在内部备忘录中写道：「要赢下最后的冲刺，我们必须紧急弥合 Agent 执行能力的差距，让我们的模型成为最终代码的主要开发者。」AI Weekly
报道还提到，部分 DeepMind 员工担心公司缺乏清晰的 AI 编程产品策略，而 Anthropic 和 OpenAI 已在这一领域形成较强竞争力。
中训练如何帮助模型学习代码和推理方式？
大语言模型通常先进行预训练，再进行后训练。预训练让模型从大量多样化文本中学习预测下一个 token；后训练则通过监督微调、RLHF 等方法，改善遵循指令、推理和回答问题的能力。
中训练位于两者之间，常将精选代码、数学推导或指令化示例与通用数据混合，使模型逐步适应后续任务。中训练和后训练都会更新模型权重，区别主要在数据、训练目标与所处阶段。
2025 年的论文 arXiv:2510.14865 通过受控实验发现，在代码、数学等与通用预训练数据差异较大的领域，混合数据的中训练可以改善后续训练的起点，并缓解遗忘。Meta AI 则提出「thinking mid-training」：在预训练文本中插入推理步骤，再进行监督微调（SFT）和强化学习（RL）。其 Llama-3-8B 实验中，完整流程配合后训练 RL，在一组推理基准上的平均准确率约为直接对基础模型做 RL 后训练的 3.2 倍。Meta RAM
Meta 团队还观察到，中训练带来的收益可以延续到后训练：提前学习过推理步骤的模型，之后接受 RL 训练时也取得了更好的成绩。研究者据此提出，较早引入推理行为可能有益。这为训练流程提供了一种实验方向，是否适用于 Google 的编程任务，仍需单独验证。
编程榜单有差距，但分数无法解释训练原因
公开成绩中，SWE-bench Verified 使用真实 GitHub issue 测试代码修改能力。Claude Opus 4.8 公布的分数为 88.6%，Claude Fable 5 在暂停通用可用性前曾公布 95%；较早的 Gemini 2.5 Pro 为 63.8%。这些数字来自不同代际、不同测试配置，适合了解历史表现，不能当作最新模型在相同条件下的直接对照。
在 SWE-bench Pro 私有测试集的榜单中，Claude Opus 4.6（thinking）为 47.1%，Gemini 3.1 Pro（thinking）为 32.2%。这是另一套任务与测试口径，应与 Verified 的成绩分开看。
编程成绩同时受基础模型、训练数据、后训练和执行工具影响。榜单能显示参测系统解决了多少问题，却无法单独判断差距产生在哪个训练阶段。Google 增加中训练投入，是在尝试其中一条改进路径。
多名研究者离开，Google 还需兼顾产品与长期研究
编程团队调整的同时，DeepMind 也出现了多起人员变动。TechTimes 汇总了 2 月到 6 月间流向 Meta、OpenAI 和 Anthropic 的研究者：TechTimes
- Denny Zhou（推理团队创始人）→ Meta Superintelligence Lab。据报道，他在 Google 工作八年，参与开发 Chain-of-Thought、Self-Consistency 和 Least-to-Most Prompting 等广泛使用的推理方法；论文被引超过 12.8 万次，曾被称为「推理之王」。
- Noam Shazeer（Gemini 联合负责人、Transformer 论文合作者）→ OpenAI。Google 曾在 2024 年通过据报约 27 亿美元的 Character.AI 授权与人才安排，让他回归；不到两年后，他再次离开。
- John Jumper（AlphaFold 诺贝尔奖得主、DeepMind VP）、Jonas Adler（AI 编码负责人）、Alexander Pritzel（预训练工程师）→ Anthropic。
TechTimes 将部分人员变动与科研资源分配联系起来：公司加大编程投入，可能与一些研究者重视的长线 AGI 和世界模型研究形成竞争。这是报道提出的解释，各人的离职动机仍有差别。
SignalFire 的 2025 年人才报告显示，DeepMind 与 Anthropic 之间的工程师流动人数比接近 11:1，方向偏向 Anthropic；在该报告比较的实验室中，Anthropic 的两年留存率最高。人才竞争的压力，在此次团队调整之前就已出现。
模型竞争，也在比较数据与训练阶段如何衔接
Google 把编程团队的工作扩展到中训练，也提出了一个更普遍的问题：不同阶段该用什么数据、投入多少计算，才能让后续训练更有效？
预训练、中训练和后训练各有侧重，又会相互影响。Meta 的实验与有关数据分布衔接的研究表明，改进训练顺序和数据混合方式，也可能带来收益。模型开发者需要在扩大规模之外，继续比较这些具体选择。
从 Claude 3.5 Sonnet 开始，Claude 的编程能力持续受到开发者关注。外界常从后训练方法、代码数据或产品工具来解释其表现，中训练也可以列入待研究的因素。但 Anthropic 没有公开足够细节，无法据此认定它已在这一阶段建立先发优势。
因此，更有价值的后续观察是：Google 调整后的训练流程是否带来可重复的编程提升，以及这些提升能否延伸到真实开发任务。
新训练方案何时进入 Gemini 产品，仍没有时间表
公开报道尚未给出重组团队推出新 Gemini 模型或开发者产品的明确时间表，也没有披露足以复现的中训练方案。The Information 还提到，团队工作涉及 Google 自有代码库的训练数据，这可能让成果的公开发布更加复杂。有关技术效果和产品计划，目前仍需等待公司进一步说明。
