Gemini 4 Carbon：谷歌最新的世界模型

在 Gemini 4 Argon 广泛开放两周后，谷歌又带来了一款新模型。今天发布的 Gemini 4 Carbon，被谷歌称为其“下一代前沿模型”，并在刚刚更新的 Artificial Analysis Intelligence Index v5.0 中夺得第一。

大多数人目前还无法使用。Carbon 将率先面向一小部分网络安全防御者推出，开发者、企业和消费者要稍后才能访问。

本文将介绍 Gemini 4 Carbon 是什么、自 Argon 以来有哪些变化、它在各项基准测试（包括谷歌和独立测试）中的表现、价格，以及您预计何时可以开始使用。

最后，在开始之前，我知道您可能是听到一些关于谷歌 AI 的新闻后才读到这篇文章。需要明确的是，Gemini 4 Carbon（本文的主题）是一款侧重文本和代码的前沿大语言模型；而刚刚发布的 Genie 4 则是一种用于实时数字仿真的交互式、基于物理的世界模型。Genie 4 也值得一读。

什么是 Gemini 4 Carbon？

Gemini 4 Carbon 是谷歌 Gemini 4 家族中的最新模型，定位高于 Gemini 4 Argon。这一点意义重大，因为就在几周前 Argon 发布时，凭借其出色的基准测试成绩，被广泛认为是谷歌的一次强势回归。

Carbon 更进一步。谷歌将其定位为擅长长周期代理式任务的模型，即需要多步操作、频繁调用工具、并能多次从死胡同中恢复的工作。

据 Google DeepMind 称，内部团队已经看到 Carbon 在多步工程问题上连续运行数天，例如在大型代码库和底层系统中定位根因并修补漏洞。

谷歌还声称在以下方面有所提升：

• 编码与全栈 Web 开发
• 代理式任务与计算机操作
• 科学推理
• 多模态理解

谷歌尚未发布技术报告、架构细节或参数规模。也尚未公布 API 规范，因此我们还不知道 Carbon 是否延续 Argon 的限制（超过 100 万 token 的上下文窗口、默认 65,536 token 的输出上限，以及文本、图像、视频、音频和 PDF 输入）。

Gemini 4 Carbon 与 Gemini 4 Argon 对比

Gemini 4 的发布节奏很快：

这些基准成绩确实令人印象深刻。可以看到，Carbon 在谷歌发布的 17 项对比中的每一项都优于 Argon。

Gemini 4 Carbon 基准测试与竞品对比

这一部分分两小节：谷歌自行报告的结果，以及独立评测。

谷歌报告的结果

Carbon 在 17 项中的 15 项拔得头筹。两个例外是：

• 软件工程：在 FrontierSWE 2 上，GPT-6 Astra 和 Claude Opus 5.5 均领先于 Carbon。
• 计算机使用：在 OSWorld-2.1 的离线子集上，Claude Opus 5.5 居首。

Carbon 最明显的领先在于长上下文推理。在 GraphWalks 上，它远超 GPT-6 Astra 和 Opus 5.5。

在模拟商业基准 Vending-Bench 2 上，Carbon 的期末余额为 $16,484，高于 GPT-6 Astra 和 Argon。

需要注意的是：谷歌的结果未包含不确定性区间，且安全基准是在无防护的情况下运行，因此实际结果可能或必然有所不同。

独立评测

Artificial Analysis 的独立数据总体支持谷歌的说法，但也有细微差别：

• Intelligence Index v5.0：Carbon 以微弱优势领先 Claude Opus 5.5 和 GPT-6 Astra，并显著领先 Argon。5.0 版对指数进行了更严格的重构，问题多来自私有或未公开测试，这也是分数低于早期版本的原因。
• Coding Agent Index：Carbon（通过 Antigravity CLI）得分 59。较 Argon（53）有明显提升，但落后于搭载 Opus 5.5 的 Claude Code（62）。
• AA-Briefcase（知识工作）：1,609 Elo，较 Argon 提升 126 分，但仍落后于 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro。
• AA-Omniscience（事实知识）：Carbon 以 54 分位列榜首，答对 58% 的问题（Argon：48%）。不过，其幻觉率从 4% 上升至 11%。

在 WebDev Arena 上，Carbon 以 1,769 Elo 排名第 4，提升 89 分。

结论：Carbon 目前是排行榜上最全面强劲的模型，但并非样样最好。如果您的工作负载以代理式编码或计算机操作为主，差距仍然不大。

Gemini 4 Carbon 的网络安全能力

安全是本次发布的一大看点。谷歌将其网络安全工作分为三个阶段，Carbon 在每个阶段的指标都很亮眼：

1. 漏洞发现：SEC-bench Pro 得分 88.2%（业界最先进）
2. 利用验证：ExploitGym 得分 54.8%（业界最先进）
3. 修补：CWE-bench 得分 71.0%

谷歌还报告：

• 生成安全代码的成功率是 Argon 的两倍多
• 在生成高质量补丁方面，Carbon 比另一实验室的前沿模型强出十倍以上（该实验室未被点名）

这些能力是一把双刃剑。能如此高效地发现和利用漏洞的模型，对防守者和攻击者都同样有价值，这或许也解释了谨慎的发布节奏。

安全性与可靠性改进

Carbon 使用与 Argon 相同的分层安全栈：安全训练、实时滥用防御、提示注入抗性以及思维链监测。谷歌报告相较 Argon 的改进包括：

• 更少的无依据论断：大致减半
• 失配警报：在线编码环境中的高严重级别警报减少近 80%
• 范围控制：过度延伸下降 26%，服务不足下降 29%
• 基准作弊：在 Terminal-Bench 4.0 上成功作弊率为 0.0%，尝试率降至 0.4%
• 提示注入：在 Gray Swan 的间接提示注入基准上攻击成功率为 0.0%（Argon：0.7%）

需要注意的是，“更少的无依据论断”来自谷歌的内部测试，而 Artificial Analysis 在 AA-Omniscience 上测得 Carbon 的幻觉率更高。两者衡量的内容不同，但这确实让整体结论变得更复杂。

Gemini 4 Carbon 定价

Carbon 的导入期价格与 Argon 相同：

谷歌尚未说明 Carbon 的导入期何时结束。供参考，Argon 的导入期价格将于 2026 年 11 月 30 日结束。

例如，一个包含 1000 万输入 token 和 100 万输出 token 的工作负载，在导入期大约花费 $30，导入期后约为 $60。

如何访问 Gemini 4 Carbon

目前，您大概还无法使用。发布计划如下：

1. 现在：部分网络安全防御者可访问。
2. 接下来：通过谷歌的 Fairwind 计划，逐步扩大到更多受信任的合作伙伴。
3. 稍后：面向开发者、企业和消费者开放。

在此期间，Gemini 4 Argon 现已可用，价格相同，是构建工作流并在未来迁移到 Carbon 的良好起点。

结语

归根结底，由于 Carbon 与 Argon 的定价结构完全一致，它很可能会迅速取代前者在大多数用户中的地位。一旦 Carbon 面向大众广泛开放，我预计开发者和企业客户会自然而然地迁移过去，以充分利用其更强的能力。