谷歌发布 Gemini 4 Carbon：安全与长程任务登顶，Artificial Analysis 指数 59 分居首

谷歌 10 月 28 日发布 Gemini 4 Carbon，官方定位是「网络安全与长程能力最强」的前沿模型。发布两周前，谷歌才刚刚推出同系的 Gemini 4 Argon——Carbon 的到来把 Gemini 4 系列的迭代节奏压到两周一款。第三方榜单第一时间背书：Artificial Analysis 智能指数 v5.0 上，Carbon 以 59 分登顶（该站首页公告「Gemini 4 Carbon is the new #1」），此前领先的 Claude Opus 5.5 与 GPT-6 Astra 分别为 58 与 57 分。安全方向的成绩单最为突出：SEC-bench Pro（找漏洞）88.2%、ExploitGym（利用）54.8%、CWE-bench（修补）71.0%，谷歌称内部基准上 Carbon 生成安全代码的误对齐与编造率也在下降。

要点

• 两周一代的迭代节奏：Gemini 4 Argon 上线两周后 Carbon 即发布；官方口径是 Carbon 建立在 Argon 之上，主攻更具挑战性的长程工程问题。
• 长程任务「跑数天」：谷歌内部团队让 Carbon 连续运行数天，跨多步工程任务（大型代码库与底层系统的根因定位与修补）中穿越死胡同持续推进——这也是「长程能力」的具体注脚。
• 定价与 Argon 持平：每百万输入 token 2 美元、输出 10 美元，缓存输入为输入价的一折半（95% off）。对以吞吐计成本的安全扫描类负载，缓存价是把重复扫描压到可负担的关键。
• 发布方式是渐进开放：不直接全量上线——先向部分网络防御者开放，经美国政府自愿式的预发布测试流程，再通过 Fairwind 计划逐步扩大到受信伙伴；全量开放时间表未公布。

发布背景

碳（Carbon）延续谷歌以材料命名的习惯，与 Argon（氩）同属元素系列。安全基准三件套是本次发布强调的核心差异：模型不仅要找漏洞（SEC-bench Pro），还要能复现利用（ExploitGym）并写出修补（CWE-bench）。谷歌同步表示在强化 safeguards，并与政府预发布流程合作——「前沿模型+攻防能力」的组合正成为各家发布的标准叙事。

怎么看

• 榜首含金量看分差：59 对 58 对 57，第三方综合指数上三家差距在一个点内，榜单第一更多是营销位次；但安全三基准的领先幅度明显更大，方向性强。
• 「跑数天」仍缺第三方复现：长程能力目前只有谷歌自述，等 Artificial Analysis 或 METR 类独立长程评测出分再下结论更稳。
• 渐进发布等于能力限购：普通用户短期内接触不到 Carbon；开发者应关注 Vertex/AI Studio 后续开放节奏。对安全团队来说，「部分网络防御者先拿到」意味着攻防两侧的能力差会先在少数机构手里拉开。

编辑摘要

Gemini 4 Carbon 是谷歌两周内第二款前沿模型，安全基准与长程任务为主打，第三方指数微弱登顶，定价不变但采取渐进开放。模型真实水平待独立评测与实际可用后验证，眼下的信息价值在于：谷歌把「两周一代」写成了自己的节奏。

把发布放回今年的语境里更能看出意图：Anthropic 的 Opus 5.5 与 OpenAI 的 GPT-6 Astra 在指数上轮流坐庄，谷歌以两周一款的密度连续投放，争的是「榜单常驻」而不是「单点第一」——单一榜首保持不了几天，持续在榜才是护城河。安全基准是这个策略的支点：企业买家最愿意为「找漏洞、写补丁」的明确能力付费，而这块恰好在三家的综合分差里拉开最大。本站此前报道的 Oracle 与谷歌 TPU 合作记录了谷歌同期在算力分发侧的卡位，两条线合起来看，是模型与算力供给同时下注。