Google 釋出 Gemini 4 Carbon：主打網路安全防禦與長程智慧體任務

Google 追趕的節奏突然快得有點讓人跟不上了。距離釋出 Gemini 4 Argon 才剛剛過去兩週，他們又端出了一個更強的傢伙。

Google 正式釋出了新一代前沿模型 Gemini 4 Carbon。官方把它定義為自家目前最強的模型，核心賣點很明確：死磕網路安全防禦，以及搞定那些需要連續跑上好幾天的長程智慧體任務。

在第三方評測機構 Artificial Analysis 剛更新的 v5.0 智力指數榜單上，Carbon 拿下了 59 分，直接把 Claude Opus 5.5 和 GPT-6 Astra 擠到了身後，坐上了第一名的交椅。

抓漏洞、搞驗證、打補丁全包了

這次 Carbon 最硬核的提升集中在網路安全領域，Google 幾乎是照著防禦的全流程來打磨它的。

在外部基準測試裡，負責自動尋找真實軟體漏洞的 SEC-bench Pro 上，Carbon 跑出了 88.2% 的成績；在驗證漏洞到底能不能被利用的 ExploitGym 上，拿到了 54.8%；在定位根本原因並生成有效修復程式碼的 CWE-bench 上，它也達到了 71.0%。

Google 內部團隊的反饋更直接。Chrome 團隊提到，在生成高質量補丁這件事情上，Carbon 的表現比另一家頭部實驗室的大模型好了整整 10 倍以上。雲安全平臺 Wiz 也用它來做 Web 滲透測試。

除了能打，它還變得更老實了。在對抗提示詞注入攻擊的基準測試中，Carbon 的被攻擊成功率直接壓到了 0.0%。在內部實測環境裡，嚴重失齊告警下降了將近 80%，遇到不知道的問題它更傾向於直接交代背景或承認不知道，而不是硬編答案。

一個人扛下幾天的重活

在常規工程任務上，Carbon 最大的特色就是能死磕。Google 內部讓它處理過跨龐大程式碼庫和底層系統的深層缺陷，模型可以連續自主執行好幾天，自己試錯、排除死衚衕並最終排查修復。

不過在具體的編碼榜單上，情況稍有不同。在 Artificial Analysis 的程式設計智慧體榜單中，配合 Antigravity CLI 的 Carbon 拿到了 59 分，緊追 Claude Code 配合 Claude Opus 5.5 的 62 分。在衡量純軟體工程能力的 FrontierCode 和 Frontier Suite 上，它也排在第二或第三的位置，並沒有實現全方位的壓制。

但在綜合智力與實用場景裡它贏面不小。比如要求 AI 模擬經營自動售貨機的 Vending Bench，或者看房間照片畫出 2D 戶型圖的 Blueprint Bench，Carbon 都穩穩拿下了第一。

呼叫價格方面，Google 延續了首發半價優惠：輸入每百萬 token 2 美元，輸出 10 美元，快取輸入還能享受 95% 折扣，摺合 0.20 美元。官方雖然標註標準價後續會回到 4 美元和 20 美元，但目前還沒公佈折扣截止日期。

壞訊息是普通開發者現在還摸不到。Google 正在配合美國政府的釋出前測試流程，第一批使用權只通過 Fairwind 計劃分批給到受信任的網路安全防護團隊。

為什麼重要

從產品節奏來看，Google 這一手走得非常精明。前段時間業內還在調侃 Google 始終在追趕，但兩週內連發兩款旗艦，直接把基準測試榜首奪了回來，氣勢上確實打平甚至反超了對手。

把突破口選在網路安全和長程任務上也是個聰明選擇。當下各家大模型在寫簡單指令碼和日常聊天上拉不開代差，但能自主執行數日、排查深層漏洞的智慧體，切中的正是企業級客戶最痛的維護和防禦成本。在完成同等智力任務時，它的單任務綜合成本比 Claude Opus 5.5 便宜了大約 23%，輸出 token 消耗量也少了近三成。

不過，目前的隱患也在於這種受限釋出。普通使用者和廣大開發者暫時只能看評測資料解饞，在大家都拿不到真實介面的情況下，這些高分能不能在實際複雜的工業程式碼庫裡經受住檢驗，還要畫個問號。加上 OpenAI 和 Anthropic 的迭代速度同樣兇狠，等 Carbon 真正全面開放給大眾的時候，這個榜首寶座還能坐多久，誰也說不準。