北京时间11月11日凌晨，谷歌把 Gemini 4 Carbon 推向全球，Gemini API 付费档、AI Studio、Gemini for Business、Antigravity 等入口同步就位，官方定位很明确：这是它目前能力最强的模型，专门面向复杂、长周期任务。 这场实测对普通人解锁的其实是一类此前没法交给AI的工作：把一整件事丢给模型，让它连续自主地跑上几小时甚至几天。知乎36氪
原本要干数年的安全验证，AI 跑了四周
谷歌披露的最硬核成果，是对 Signal 加密协议的形式化验证：由 Carbon 驱动的 AlphaProof Code 生成超过 650 万行经机器检查的数学证明代码，把原本可能需要专家团队耗费数年完成的工作，最终只用了四周。知乎
验证不止给正确代码出证明：研究团队故意把两个历史上真实存在、后来修复过的漏洞重新植入隔离版本代码，它都成功生成了机器检查通过的反例证明，识别出这些代码不满足原先的安全要求。 换言之，“让 AI 给整个项目做数学作业”第一次从实验室走到了生产线。知乎
同一批官方叙事里还有更生活化的例子。它能独立研究一个冷门历史港口并重建其 3D 场景，连续运行约 20 小时。 Demis Hassabis 让它对自己早年开发的《Theme Park》游戏二进制做逆向工程，在游戏中新增了一项 DeepMind 主题的游乐设施，并一次性将整个游戏移植到了 Web 端。 还有 Carbon 团队根据一条提示词和 7 份市议会规划 PDF，提取 206 张工程视图、经过一夜 10 轮迭代做出谷歌 Platform 37 办公楼的交互式 3D 模型，包含约 90.6 万个三角面。 这类任务以前卡住的从来不是“AI 能不能做”，而是“AI 能不能不被盯着地做完”。哔哩哔哩知乎知乎
普通人当天能复现什么：游戏、写作与 3D，也有翻车
开放当天 B站的实测视频扎堆。有人汇总首批 15 组重磅实测：纯代码搓 3D 卡丁车、操作《博德之门3》、十万微体素庭院与复原 3D 埃菲尔铁塔。 也有十万粉技术 UP 主用 Antigravity CLI 以 medium 推理级别连续进行了九项实际开发测试，并与 Claude Fable 5.2、Claude Opus 5.5 对比，结论是“有惊喜，也有不少意料之外的问题”。哔哩哔哩哔哩哔哩
写作是目前门槛最低的入口：有 UP 主让 Carbon 在马良写作里挑战五种热门网文题材，从退婚流玄幻、囤货流末世到甜宠快穿、悬疑灵异，逐句盘点开篇钩子和 AI 腔。 但同一批用户与 Argon 的对照实测给出另一面：写作与动画确有进步，前端表现却翻了车，生成孔雀 SVG 的消耗也不低。 实测里没有“全面升级”：得到的是长任务的完成深度，付出的是简单任务的稳定与费用。哔哩哔哩哔哩哔哩
最直观的“高光价签”来自官方玩法的社区复刻。一条用 /swarm 做的 1920×1080、60FPS、约 38 秒宣传片，运行时长约 40 分钟，Token 消耗 933.5 万。 另一位创作者按 Sundar Pichai 的“鹈鹕骑车”梗，用主 Agent 带 33 个子 Agent 做出网页版艺术品，按其自述总 token 用量 336.99M，折合 212.93 美元。 长周期任务省的是人，算力和账单是一次性付的。哔哩哔哩哔哩哔哩
门槛、涨价窗口和速度：先别急着切换主模型
消费端最扎眼的是订阅门槛：只有每月 99.99 美元起的谷歌 AI Ultra 会员和 API 付费用户能用，每月 19.99 美元的 Pro 会员这次被排除在外。 官方口径里的“全量开放”，和多数订阅用户的真实体感之间，隔着一道门槛。知乎
低价绕行有两条：除了付费 API，OpenRouter 上也已经能调用 Carbon，Pro 会员还可领取每月 10 美元的开发者赠金试水。 普通用户的体验则更直接：一大早打开，ai studio 和 gemini app 都不让用，“发布了等于没发”。知乎知乎
价格是带截止日期的窗口。Gemini 4 Carbon 的 API 尝鲜价与 Argon 相同，每百万输入 Token 2 美元、输出 10 美元。 但尝鲜价 11 月 30 日截止后恢复原价 4 美元和 20 美元，届时约为 Claude Fable 5.2（8/40 美元）的一半。 按现价做的成本模型，12 月起要整体重算。知乎知乎
速度与体验是另一只脚。提前体验的用户反馈是明显比 Argon 强，但也慢一些。 有用户实测吐字速度有时候只有每秒 10 个多 tokens，最快也只到 20~30，指向算力吃紧。 同套测试题的成本实测是：Gemini 4 Carbon 平均每题花费 7.76 美元，换成 Claude Fable 5.2 是 26.54 美元。 便宜是真便宜，算力紧张也是真紧张。哔哩哔哩哔哩哔哩知乎
榜单也要分开记账。谷歌公布的独立工作流基准测试中，CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 均排名第一。 而第三方 Artificial Analysis 智能指数上，Claude Fable 5.2 以 65 分领先，Gemini 4 Carbon 以 60 分排名第二，超过 59 分的 Opus 5.5。 “三榜第一”与“综合第二”并不矛盾，考的是两类不同的卷子。知乎知乎
谷歌自己给出的分工也留了余地：目前 Gemini 4 系列中，仍推荐用 Argon 处理大多数软件工程和知识工作，Carbon 面向复杂代码调试、开放式科学研究等更难任务，且消耗更多 Token。 第三方评测视角说得更直接：低延迟场景、简单任务用它属于杀鸡用牛刀。知乎知乎
对普通人来说，12 月 1 日之前该做的不是切换主模型，而是挑一件以前真不敢交给机器的事——一堆长期修不动的老 Bug、一份散在多个来源的资料——让 Carbon 从头到尾自主跑完，再与现用模型逐项核对数字、原文页码和缺失项，记下总耗时与人工修订次数。 之后盯两个信号：全量开放何时下放到更多订阅档位，以及吞吐速度是否随算力恢复。知乎
