Gemini 4 Carbon 在智能指数中得分 59，但仅网络安全防御者可率先使用

新闻摘要

Google 于 2026 年 10 月 28 日（太平洋时间上午 10:10 左右）发布了 Gemini 4 Carbon，距离 Gemini 4 Argon 全面上线约两周。Google DeepMind 将 Carbon 描述为其迄今最强大的模型，专为需要 AI 系统持续运行数小时甚至数天的长周期工程任务而打造。该模型目前尚未公开发布。部分网络安全防御者将率先获得访问权限，开发者、企业和消费者将在之后陆续开放，具体日期未定。

Google 发布了什么

Carbon 是 Gemini 4 系列中的新模型，于 2026 年 10 月 28 日发布，距 Gemini 4 Argon 于 2026 年 10 月 13 日全球上线正好两周（据行业媒体报道，发布时间均按太平洋时间计算）。Google 表示，Carbon 面向更复杂、更长周期的工程难题，需要持久的智能体工作流，即模型能够自主规划、尝试、检查自身工作并跨多个步骤持续推进。

Google 称，内部团队已在复杂任务上连续多日运行 Carbon，该模型能够自行摆脱死胡同而非直接停止。该公司还报告称，其在科学推理、多模态理解和全栈 Web 开发方面均有提升。据介绍，Carbon 能够追踪细微漏洞，并在大型代码库和底层系统中进行修复。

通过 Fairwind Program 分阶段开放访问

Carbon 并非全面发布。部分网络安全防御者在发布当周即可获得访问权限。随后，更多受信任的合作伙伴将通过 Google DeepMind 的 Fairwind Program 陆续加入，据报道该项目已涵盖全球 650 多家合作伙伴。政府和国家网络安全机构、关键基础设施运营商以及核心技术平台将获得优先权，专注于防御性基准测试的学术实验室也可申请。申请者需通过安全与伦理审查。

Google 表示，在向开发者、企业和消费者扩大访问范围之前，将收集反馈并完善安全防护措施。该公司还参与了美国政府的自愿发布前测试流程。2026 年 10 月 28 日晚间（印度标准时间），第三方对付费 Gemini API 密钥的检测结果显示列表中仅有 Argon 而无 Carbon，这与有限范围的推出计划相符。

基准测试结果

在 Artificial Analysis 智能指数 v5 中，Carbon 得分为 59，高于 Argon 的 50 分，据 The Decoder 报道，这使其位居该指数榜首。在 Artificial Analysis 编程智能体指数中，其得分同样为 59，Argon 为 50，不过 Claude Opus 5.5 仍以 62 分领跑该榜单。

其他已公布的数值：

• WebDev Arena：Elo 提升 89 分至约 1,769 分，排名第四。
• Text Arena：以 1,528 分位列第一，Argon 为 1,520 分。
• Agent Arena：在超过 21,900 次会话中排名第二，任务成本中位数为 1.80 美元。
• AA-Briefcase（智能体知识工作）：Elo 达 1,609 分，比 Argon 高出 126 分。
• Vals AI：准确率 70.36%，总体排名第二，在其金融指数和法律研究基准测试中排名第一。

Artificial Analysis 也指出了其中的权衡取舍。回答准确率从 48% 提升至 58%，但幻觉率也从 4% 升至 11%。Carbon 生成的推理 token 数量是 Argon 的 2.3 倍，部分智能体任务（如财务和税务工作）耗时增加了一倍以上。其单次任务成本为 7.76 美元，Argon 为 7.68 美元。

聚焦网络安全

Google 自家的数据显示，Carbon 在 16 项网络安全测试中有 15 项排名第一。主要结果包括：SEC-bench Pro（漏洞发现）得分 88.2%，ExploitGym 在十小时运行时长下（漏洞利用验证）得分 54.8%，CWE-Bench（漏洞根因修复）得分 71.0%。Google 声明这些评估是在未启用安全防护的情况下进行的，因此展示的是原始能力，而非完整安全保护下的表现。

Google 还在内部宣称，Carbon 生成安全代码的比例是 Argon 的两倍以上；其 Chrome 团队发现，与另一家未具名实验室的前沿模型相比，高质量补丁的数量提升了十倍以上。这些内部说法尚未经过独立验证。

防护与安全措施

Carbon 保留了随 Argon 推出的多层防护机制：实时滥用防御、模型推理过程监控以及抗提示词注入能力。Google 报告称，在 Gray Swan 的间接提示词注入基准测试中，没有任何被评估的攻击成功，而 Argon 的成功率为 0.7%，不过这仅涵盖已测试的攻击类型。在 Terminal-Bench 4.0 中未出现成功的作弊案例，作弊尝试比例为 0.4%。

在与内部团队的实时代码编写中，高严重性的对齐异常警报减少了近 80%，Google 表示 Carbon 提出的无依据主张约为 Argon 的一半。其预期行为是披露缺失的证据或被阻止的操作，而不是捏造结果。

定价

API 入门定价为每百万输入 token 2 美元、每百万输出 token 10 美元，与 Argon 一致，缓存输入可享 95% 折扣。后续的标准定价为每百万 token 4 美元和 20 美元。Artificial Analysis 指出，入门期的五折优惠将持续到 2026 年底。

后续关注点

几乎所有性能数据均来自 Google 或基准测试运营方，本报告未对其进行独立复现。关键的待解问题包括：Carbon 何时面向普通开发者开放 API；在启用安全防护后重新进行网络安全测试时，其结果会发生怎样的变化；以及更高的准确率是否足以抵消更高的幻觉率和长周期智能体任务中更慢的运行速度。