Google DeepMind 发布 Gemini 4 Carbon 前沿模型

发生了什么

Google DeepMind 宣布推出新一代前沿模型 Gemini 4 Carbon，称其为目前最强的模型，重点能力集中在网络安全与长周期任务。Carbon 建立在两周前发布的 Gemini 4 Argon 之上。

官方给出的外部基准成绩包括：在更新后的 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一；在 SEC-bench Pro 上以 88.2% 领先，用于发现真实软件中的漏洞；在 ExploitGym 上达到 54.8%，用于验证漏洞可利用性；在 Collinear 的 CWE-bench 上达到 71.0%，用于把已验证的问题转化为代码修复。上述外部基准均为无护栏条件下评测。

编码与智能体方面，Carbon 在 WebDev Arena 上升 89 elo 至 1769 分，排名第 4。官方称内部团队观察到 Carbon 可连续运行数天，处理大型代码库和底层系统中的复杂多步工程任务。

安全与对齐方面，官方称 Carbon 将 Terminal-Bench 4.0 上的成功作弊率降至 0.0%，作弊尝试降至 0.4%；内部实时编码环境中高严重度失准告警下降近 80%；无依据论断较 Argon 减少约 2 倍；过度越权减少 26%，服务不足减少 29%；在 Gray Swan 的间接提示注入基准上攻击成功率为 0.0%，而 Argon 为 0.7%。

开放节奏与定价

Carbon 采取分阶段开放。本周起先提供给一部分网络安全防御者，之后通过 Fairwind Program 逐步向更多可信伙伴开放；面向开发者、企业和消费者的产品入口尚未开放，官方称会在收集反馈并迭代护栏后尽快推进。Google 同时表示正参与美国政府关于发布前模型测试的自愿流程。

定价沿用 Argon 的 introductory price：输入每百万 token 2 美元，输出每百万 token 10 美元，缓存输入按输入价格的 95% 折扣计费。

编辑部观察

这份材料是厂商自报，基准成绩、内部 uplift 和客户侧反馈（Chrome 团队、Wiz）均来自 Google 一方，尚无独立复现。读者在评估时可以把注意力放在三处：一是网络安全类基准的评测条件，官方已注明外部基准为无护栏评测，与产品实际可用状态存在差距；二是长周期任务的“运行数天”属于内部观察，缺少任务类型和成功率的完整口径；三是分阶段开放意味着开发者短期内无法直接调用，定价虽已公布，但可用时间未给出。

对关注编码智能体的团队而言，Carbon 与 Argon 的对照数据提供了一个观察模型迭代速度的样本，但把内部基准的提升直接换算为生产环境收益仍需谨慎。