Google 发布 Gemini 4 Carbon：主打网络安全防御与长程智能体任务

Google 追赶的节奏突然快得有点让人跟不上了。距离发布 Gemini 4 Argon 才刚刚过去两周，他们又端出了一个更强的家伙。

Google 正式发布了新一代前沿模型 Gemini 4 Carbon。官方把它定义为自家目前最强的模型，核心卖点很明确：死磕网络安全防御，以及搞定那些需要连续跑上好几天的长程智能体任务。

在第三方评测机构 Artificial Analysis 刚更新的 v5.0 智力指数榜单上，Carbon 拿下了 59 分，直接把 Claude Opus 5.5 和 GPT-6 Astra 挤到了身后，坐上了第一名的交椅。

抓漏洞、搞验证、打补丁全包了

这次 Carbon 最硬核的提升集中在网络安全领域，Google 几乎是照着防御的全流程来打磨它的。

在外部基准测试里，负责自动寻找真实软件漏洞的 SEC-bench Pro 上，Carbon 跑出了 88.2% 的成绩；在验证漏洞到底能不能被利用的 ExploitGym 上，拿到了 54.8%；在定位根本原因并生成有效修复代码的 CWE-bench 上，它也达到了 71.0%。

Google 内部团队的反馈更直接。Chrome 团队提到，在生成高质量补丁这件事情上，Carbon 的表现比另一家头部实验室的大模型好了整整 10 倍以上。云安全平台 Wiz 也用它来做 Web 渗透测试。

除了能打，它还变得更老实了。在对抗提示词注入攻击的基准测试中，Carbon 的被攻击成功率直接压到了 0.0%。在内部实测环境里，严重失齐告警下降了将近 80%，遇到不知道的问题它更倾向于直接交代背景或承认不知道，而不是硬编答案。

一个人扛下几天的重活

在常规工程任务上，Carbon 最大的特色就是能死磕。Google 内部让它处理过跨庞大代码库和底层系统的深层缺陷，模型可以连续自主运行好几天，自己试错、排除死胡同并最终排查修复。

不过在具体的编码榜单上，情况稍有不同。在 Artificial Analysis 的编程智能体榜单中，配合 Antigravity CLI 的 Carbon 拿到了 59 分，紧追 Claude Code 配合 Claude Opus 5.5 的 62 分。在衡量纯软件工程能力的 FrontierCode 和 Frontier Suite 上，它也排在第二或第三的位置，并没有实现全方位的压制。

但在综合智力与实用场景里它赢面不小。比如要求 AI 模拟经营自动售货机的 Vending Bench，或者看房间照片画出 2D 户型图的 Blueprint Bench，Carbon 都稳稳拿下了第一。

调用价格方面，Google 延续了首发半价优惠：输入每百万 token 2 美元，输出 10 美元，缓存输入还能享受 95% 折扣，折合 0.20 美元。官方虽然标注标准价后续会回到 4 美元和 20 美元，但目前还没公布折扣截止日期。

坏消息是普通开发者现在还摸不到。Google 正在配合美国政府的发布前测试流程，第一批使用权只通过 Fairwind 计划分批给到受信任的网络安全防护团队。

为什么重要

从产品节奏来看，Google 这一手走得非常精明。前段时间业内还在调侃 Google 始终在追赶，但两周内连发两款旗舰，直接把基准测试榜首夺了回来，气势上确实打平甚至反超了对手。

把突破口选在网络安全和长程任务上也是个聪明选择。当下各家大模型在写简单脚本和日常聊天上拉不开代差，但能自主运行数日、排查深层漏洞的智能体，切中的正是企业级客户最痛的维护和防御成本。在完成同等智力任务时，它的单任务综合成本比 Claude Opus 5.5 便宜了大约 23%，输出 token 消耗量也少了近三成。

不过，目前的隐患也在于这种受限发布。普通用户和广大开发者暂时只能看评测数据解馋，在大家都拿不到真实接口的情况下，这些高分能不能在实际复杂的工业代码库里经受住检验，还要画个问号。加上 OpenAI 和 Anthropic 的迭代速度同样凶狠，等 Carbon 真正全面开放给大众的时候，这个榜首宝座还能坐多久，谁也说不准。