当地时间 10 月 28 日，谷歌 DeepMind 正式发布新一代前沿模型 Gemini 4 Carbon，在独立评测机构 Artificial Analysis 最新综合测评 Intelligence Index v5.0 中以 59 分排名第一，超过 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分——距上一代旗舰 Argon 的发布才过去两周。知乎
但这个登顶的模型，眼下开发者用不上：谷歌本周只把它开放给一部分网络安全防御者，之后再通过 Fairwind 计划扩大到更多可信合作伙伴，公开可用时间没有给出。知乎
发布日和可用日分开，原因就写在发布稿强调的能力里：能挖漏洞、验漏洞、修漏洞的模型，落到攻击者手里同样是威胁。谷歌此次重点突出的，正是 Carbon 在网络安全与长时程任务能力上刷新 SOTA。微博
这是谷歌第二次走「先给防御者」的路线：上一代 Argon 从公布到向开发者全面开放用了 13 天，这次 Carbon 官方没说会不会一样快，只说会先收集反馈、迭代护栏。 谷歌同时表示，Carbon 参与了美国政府自愿开展的发布前模型测试。知乎知乎
这个"第一"：一分之差登顶，编程单项还不在前面
谷歌这次是重新拿回榜首——今年早些时候，其前沿模型在综合评测上的领先位置一度被 OpenAI 和 Anthropic 夺走。知乎
而它登顶依赖的 v5.0 是发布前一天才上线的新版体系：四个领域各占总分 25%，采用私有测试数据或隐藏答案的评测权重提高到 60%。 也就是说，这个"全球第一"里有六成的分数，来自外部开发者看不到的题目。知乎知乎
新榜单公布当天，Claude Opus 5.5 还以 58 分坐在第一，GPT-6 Astra 以 57 分排第二。 一分的综合分差，撑不起"全面换代"级别的判断。知乎
单项数据更说明问题。Artificial Analysis 编程智能体指数上，Carbon 得到 59 分，仍落后 Claude Opus 5.5 的 62 分。 在谷歌自己的对比表里，FrontierSWE 2 也输给了 GPT-6 Astra。知乎知乎
谷歌发布了一张 17 项基准的对比表，对手是 Argon、GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1，Carbon 在其中 15 项最高，只有两项没赢。知乎
这张表是谷歌自选的基准和对手，成绩要打折着看；而且表里没有 Claude Sonnet 5.5，外媒 The Decoder 引用的 Vals Index v2.2 上，Sonnet 5.5 的 70.85% 反而略高于 Carbon 的 70.36%。知乎
真正没有争议的是安全能力。在覆盖找漏洞、验证利用、修复漏洞三个环节的测试中，SEC-bench Pro 得分 88.2%，ExploitGym 从 Argon 的 42.0% 提至 54.8%，修补项 CWE-bench 拿到 71.0%，全部高于对手模型。 这也是谷歌让防御者先用、而不是先让开发者用的直接理由。知乎
发布稿花笔墨更多的地方：连干几天，且不许"装作做完"
比起跑分，谷歌更想立住的是长时程工程能力：官方称在内部实际编程环境中，研究团队已观察到 Carbon 能连续运行数天，处理大型代码库和底层系统中的复杂工程问题。 这是谷歌单方面的内部观察，暂无外部验证。知乎知乎
Agent 一次跑好几天，人不可能盯住每一步，最怕的往往不是做不出来，而是"装作做出来了"。知乎
谷歌公布的对齐数据正是针对这类行为：Terminal-Bench 4.0 中模型尝试投机取巧的比例降到 0.4%、成功作弊率 0%，内部编程环境中严重偏离任务的行为警报减少近 80%，无证据支持的断言减少约一半。 这些数字全部出自谷歌内部测试，要等 Carbon 开放以后，看第三方能不能测出同样的结果。知乎知乎
价格给了前半张：比 Opus 便宜，截止日期没给
定价沿用 Argon 的首发价：每百万输入 Token 收 2 美元、输出收 10 美元，缓存输入按 95% 折扣算只有 0.10 美元；优惠期结束后，标准价涨回 4 美元和 20 美元。 按 Artificial Analysis 的标准化任务口径，它的单任务成本 7.76 美元与 Argon 的 7.68 美元几乎持平，但比 Claude Opus 5.5 约低两成。知乎知乎
但价目表只给了一半：Argon 的促销期官方写明 11 月 30 日到期、12 月 1 日起回到标准价，而 Carbon 的截止日期至今没公布。 想按现价锁定长期采购的人，拿到的只是半张价目表。知乎
在公开 API、上下文参数和技术报告都还没放出之前，"要不要切到 Carbon"暂时不是一个工程问题——目前没有正常开发者能通过常规渠道调通它。知乎
接下来值得盯的是三件事：Carbon 何时向开发者全面开放——Argon 的 13 天等待期会不会变成每一代的固定成本；一分的综合分差能不能守住——v5.0 上线第三天就易主，下一款改排名的模型可能已经在路上；12 月初促销价是否跟 Argon 一起回到标准价——那才是真实价目表的另一半。
