10 月 28 日，谷歌发布新一代前沿模型 Gemini 4 Carbon，在前一天刚更新的 Artificial Analysis 智能指数 v5.0 上以 59 分排第一，超过 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分。 对开发者来说，这个总分并不重要，重要的是它身上挂的两个关键词：网络安全与长时程任务。它想替开发者解决的实际问题就两件——代码里的安全漏洞，AI 第一次能把"发现→确认→修复"当成一条流程跑完；过去需要人类工程师反复好几天的工程任务，可以整段交给 AI 连着干。知乎
但边界得先说：此刻普通开发者还用不上它。谷歌这次仍采取分阶段开放策略，首先通过 Fairwind 计划向经过筛选的网络安全防御者提供访问权限，随后再逐步向开发者、企业和消费者开放。知乎
安全：从"标出可疑点"到"跑完整条流程"
这次公布的安全基准，正好对应防御工作的三步：找漏洞的 SEC-bench Pro 得分 88.2%、判断漏洞是否可被利用的 ExploitGym 54.8%、修复打补丁的 CWE-bench 71.0%，三项都是第一。 在谷歌内部，它的安全代码生成成功率达到前代 Argon 的两倍多。 Chrome 浏览器团队反馈，其生成高质量安全补丁的表现，超过另一家实验室的前沿模型十倍以上。 这组指标的含义是：代码审计环节第一次可以拿 AI 当全流程助手用——不只是指出可疑处，还能判断哪些值得修，并直接起草补丁。知乎知乎知乎
用之前得划两条边界。上面三项都是谷歌在不带护栏的条件下测的，验证的是裸能力，不是加上防护后的产品效果。 同时，基准是干净的，真实代码库是脏的：历史包袱、业务特例、误报成本都在，模型给出的漏洞报告里一定混着误报——正确姿势是把它当提交前的初筛，关键系统再由人来复核。知乎知乎
编程：真正改变工作流的两个字，是"时长"
谷歌称，在内部实际编程环境中，研究团队已经观察到 Carbon 能够连续运行数天，处理大型代码库和底层系统中的复杂工程问题。 长上下文测试 GraphWalks（256K 到 1M）拿到 96.2%，而 Claude Opus 5.5 只有 66.8%。 这是单次问答和"接手一段工程"之间的区别——一个 bug 藏在底层系统里，涉及的往往是大文件量和多轮调试。知乎知乎
让 AI 连跑几天的前提，是它不会偷偷走捷径。在 Terminal-Bench 4.0 上，Carbon 的作弊成功率降到了 0.0%，尝试率为 0.4%，整体准确率还在上升。 没人盯每一步的时候，“假装做完”（测试不过就改测试、依赖装不上就注释掉）比"做不出来"更要命；在 Gray Swan 间接提示词注入测试中，攻击成功率也被从 Argon 的 0.7% 压到了 0%。知乎知乎
不过，综合第一不等于编程第一：在同机构的编程智能体指数上，它排名第二，仅次于 Claude Opus 5.5。 如果你的主要负载就是写代码，暂时不必因为一个头条名次去换掉主力模型。知乎
价格与时间表：定了什么，还没定什么
价格一侧是定了的：沿用 Argon 首发定价，每百万输入 Token 收 2 美元、输出收 10 美元，缓存输入有 95% 折扣；优惠期结束后，标准价涨至 4 美元和 20 美元。 但优惠窗口没定：Argon 的促销 2026 年 11 月 30 日到期，Carbon 的促销截止日期至今仍未公布——按标准价谈框架、别拿首发价锁长约，是更稳的签法。知乎知乎
另一半问题——什么时候能用——仍然握在谷歌手里。先给防御者的理由是：找漏洞、修漏洞的能力落到攻击者手里同样是威胁；谷歌同时表示正在参与美国政府的自愿性发布前模型测试。 Argon 的节奏提供了参照：从公布到全面开放用了 13 天。 等 Carbon 公开后，值得先验证的是那三项安全成绩能否被第三方复现；其次才是把新代码提交前审一遍输入校验、权限控制、敏感信息处理这几类问题，变成"AI 初筛、人工复核"的固定环节。知乎知乎知乎
