Gemini 4 Carbon 在智慧指數中獲得 59 分，但僅有網路防禦人員能率先使用

新聞摘要

Google 於 2026 年 10 月 28 日（太平洋時間上午約 10:10）宣布推出 Gemini 4 Carbon，距離 Gemini 4 Argon 全面發布約兩週。Google DeepMind 將 Carbon 描述為迄今最強大的模型，專為需要 AI 系統持續運作數小時甚至數天的長期工程任務而打造。目前尚未對外公開。部分精選的網路安全防禦人員將率先取得使用權限，開發者、企業與一般消費者則會在之後陸續開放，但尚未公布具體日期。

Google 宣布了什麼

Carbon 是 Gemini 4 系列中的全新模型，於 2026 年 10 月 28 日宣布推出，距離 Gemini 4 Argon 在 2026 年 10 月 13 日全球上線正好兩週（根據產業媒體報導，相關發布皆以太平洋時間為準）。Google 表示，Carbon 旨在解決更困難、更長期的工程問題，這些問題需要具備持續性的代理式工作流程，也就是模型能夠自行規劃、嘗試、檢查成果，並在多個步驟間持續推進。

Google 指出，內部團隊已讓 Carbon 在複雜任務上連續運行多天，而該模型能在遇到死胡同時自行找出解法，而非直接停擺。該公司也提到，Carbon 在科學推理、多模態理解以及全端網頁開發方面均有提升。據其描述，Carbon 能夠追蹤細微的程式錯誤，並在大型程式碼庫與底層系統中完成修補。

透過 Fairwind 計畫分階段開放

Carbon 並非全面上市。精選的網路防禦人員在發布當週即可取得使用權限。隨後，更多受信任的合作夥伴將透過 Google DeepMind 的 Fairwind 計畫陸續加入，據悉該計畫在全球已有超過 650 家合作夥伴。優先對象包括各國政府與國家級網路安全主管機關、關鍵基礎設施營運商以及核心技術平台；專注於防禦性基準測試的學術實驗室也可提出申請。申請者須通過安全與倫理審查。

Google 表示，在擴大開放給開發者、企業與消費者之前，會先收集回饋並完善防護措施。該公司同時也參與了美國政府的自願性發布前測試流程。2026 年 10 月 28 日晚間（印度標準時間），第三方針對付費 Gemini API 金鑰進行檢測時，清單中僅顯示 Argon 而未出現 Carbon，這與有限度推出的策略相符。

基準測試結果

在 Artificial Analysis 智慧指數 v5 中，Carbon 獲得 59 分，高於 Argon 的 50 分；根據 The Decoder 的報導，這使其位居該指數榜首。在 Artificial Analysis 程式編寫代理指數中，Carbon 同樣獲得 59 分，Argon 則為 50 分，不過 Claude Opus 5.5 仍以 62 分領先該特定指數。

其他公布的數據如下：

• WebDev Arena：Elo 積分上升 89 分至約 1,769 分，排名第四。
• Text Arena：以 1,528 分位居第一，Argon 為 1,520 分。
• Agent Arena：在超過 21,900 次對話中排名第二，任務成本中位數為 1.80 美元。
• AA-Briefcase（代理式知識工作）：Elo 積分 1,609 分，較 Argon 提升 126 分。
• Vals AI：準確率 70.36%，整體排名第二，並在其金融指數與法律研究基準測試中名列第一。

Artificial Analysis 也指出了其中的取捨。回答準確率從 48% 提升至 58%，但幻覺率也從 4% 上升至 11%。Carbon 產生的推理 token 數量是 Argon 的 2.3 倍，而部分代理式任務（如金融與稅務工作）的耗時則超過兩倍。其單次任務成本為 7.76 美元，Argon 則為 7.68 美元。

聚焦網路安全

Google 自家的表格顯示，Carbon 在 16 項網路安全測試中有 15 項排名第一。主要成績包括：SEC-bench Pro（尋找漏洞）達 88.2%、ExploitGym 在十小時執行時間下達 54.8%（驗證漏洞利用），以及 CWE-Bench（修補漏洞根本原因）達 71.0%。Google 聲明這些評估是在未啟用防護機制的情況下進行的，因此呈現的是原始能力，而非完整安全保護下的行為表現。

Google 也在內部宣稱，Carbon 產出安全程式碼的比例是 Argon 的兩倍以上；其 Chrome 團隊發現，與另一家未具名實驗室的頂尖模型相比，高品質修補程式的數量提升了十倍以上。這些內部說法尚未經過獨立驗證。

防護與安全措施

Carbon 延續了隨 Argon 推出的多層防護機制：即時濫用防禦、模型推理過程監控，以及抵禦提示注入的能力。Google 報告指出，在 Gray Swan 的間接提示注入基準測試中，沒有任何受測攻擊成功，相較之下 Argon 的成功率為 0.7%，不過此結果僅涵蓋已測試的攻擊類型。在 Terminal-Bench 4.0 中，沒有出現成功的作弊案例，作弊嘗試比例為 0.4%。

在與內部團隊進行的實際程式編寫中，高嚴重程度的對齊異常警示減少了近 80%；Google 表示，Carbon 提出缺乏依據主張的次數約為 Argon 的一半。其預期行為是在缺少證據或操作受阻時主動說明，而非捏造結果。

定價

API 入門價格為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，與 Argon 相同，快取輸入則享有 95% 折扣。後續的正式定價為每百萬 token 輸入 4 美元、輸出 20 美元。Artificial Analysis 指出，這項五折的入門優惠將持續至 2026 年底。

後續觀察重點

幾乎所有效能數據都來自 Google 或基準測試營運方，本報導並未進行獨立重現。目前的關鍵疑問包括：Carbon 何時才會開放給一般開發者透過 API 使用；若在啟用防護機制的情況下重新進行網路安全測試，結果會有何變化；以及更高的準確率是否足以合理化其較高的幻覺率，還有在長期代理式任務中較慢的執行速度。