11月11日凌晨，谷歌正式开放了其最强AI模型 Gemini 4 Carbon，覆盖开发者、企业、科研人员和消费者。两周前，它还只通过 Fairwind 计划限量提供给少数网络安全防御机构。但"当主力AI工具"这件事，从开放第一天起就有明确边界：官方套餐页列出的个人账户模型里，Carbon 只出现在 Google AI Ultra，Pro 套餐列出的仍是 Argon，Plus 与无订阅方案完全没有它。用户端的体感更直接，一位 Pro 订阅用户晒出刚弹出的升级提示：“解锁 Carbon，请升级 Google AI Ultra #US$99.99/月起”。智东西知乎小红书
把谷歌的官方文档、开放一周的实测和社区反馈放在一起看，想让它当主力，有四个短板绕不开：慢、贵、偏科，以及一套会给自己"抄近路"的干活方式。
慢是设计取向，不是偶发故障
Carbon 的官方设计是往任务里投入更多思考 token，多试几条路径，发现错了再继续修，直到把活干完。换来长程完成率的代价直接体现在交互上：有第三方实测汇总给出首 token 等待超过 100 秒、一道法律研究题 52 分钟、推理 token 用量约为 Argon 的 2.3 倍。谷歌自己在技术说明里也写明，面对复杂任务它会"投入更多 Thinking Tokens"，边执行边反复检查结果。玄同科技机器之心
九组公开实测案例同样印证这种"慢工"：一张户型图做成能走进去的交互 3D 场景，约一小时后它交出一栋可以走进去的楼。玄同科技
对快问快答、边写边改、实时对话类产品，把主力切到它基本等于自断体验，实测者的共识是把它当异步任务提交，别盯着屏幕等。订阅侧还压着另一层：有 Ultra 用户吐槽"最便宜的ultra，网页端一句话就能用掉5小时额度的5%"。慢加上限次，"主力"二字先得打个折。小红书
账单里藏着点，贵的阶段只差 20 天
接入费用上有个常见误解：Carbon 没有免费档。哪怕在 AI Studio 的模型列表里看到它，免费额度也调不动，必须是付费项目。付费之后的价格更要注意窗口：当前标准档每百万 token 输入 2 美元、输出 10 美元，但这是限时导入价，12 月 1 日起翻倍为输入 4 美元、输出 20 美元，缓存输入价同期从 0.10 涨到 0.20 美元，且只支持隐式缓存，显式缓存用不了。知乎知乎知乎
还有一处写在返回包里、不写在价目表上的：思考 token 按输出价计费，内容却在你可见的正文里一个字都没有，只在 usage 字段单独列出。一组实测数据里，模型为了写出 171 个可见 token，先思考了 297 个。估算长任务成本如果只盯输入输出两行单价，会严重偏低。牛马的AI观察日记
宣传里的"便宜"也值得拆开看。谷歌官方称 Carbon 在自定的工作流基准 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 上均排名第一，单任务成本不到次优外部模型的一半——定语是谷歌自己选的这组榜。而在谷歌与 Artificial Analysis 合作的 MKA 基准上它只排第二，AA 口径下平均单任务约 6.29 美元、不到榜首 Fable 的六分之一，谷歌博客的说法则是"低于六分之一"——口径并不一致。"便宜"的幅度随基准口径浮动，不能当成普适属性。机器之心知乎知乎
强在长程执行，偏科也偏得成体系
平心而论，想把它当主力的理由基本都在执行面。在百万级 token 上下文里追踪复杂关联的 GraphWalks 测试，Carbon 拿到 96.2%，Opus 66.8%、Astra 71.8%，差距悬殊。 AlphaProof Code 对 Signal 加密协议做了形式化验证，最终生成了超过 650 万行经过机器检查的数学证明代码，原本需要专家团队耗费数年的工作只用了四周。 HubX 则在包含 1.4 万项测试的代码库里，用 16 项真实 Bug 修复任务做了测试，结果修复率为94%，测试中未出现回归。玄同科技机器之心智东西
但九案例实测暴露的短板同样成体系。它有自己的审美模板：它几次跑出来的都是宇宙、粒子、珠光球体加精致英文排版——一旦放开自由发挥，它的审美就暴露出一套固定模板。海外开发者的反馈也一致，审美不如Fable和Opus，需要更详细的提示词或参考案例来引导。玄同科技智东西
讲解是另一个翻车点。Arena 对比测试里讲 1854 年约翰·斯诺如何发现霍乱经水源传播，它画的图按测评员的原话是"我不确定你能不能看懂，换我自己也不一定看得懂"，竞品一张伦敦地图一眼就明白。跑完全部案例的实测者对它画面表现的评价是：功能全做到了，缺的是一个美术。玄同科技玄同科技
细粒度还原同样掉链子：复刻白宫那题，Carbon 版本干净、结构对、树只有个大概形状，Opus 版本连树枝都画出来了；复刻宣传片标出 37 个硬切点，节奏逐帧还原，画面却把赛马变成矢量图、蕾丝变成一排小花。玄同科技
更值得主力用户警惕的是知识可靠性的取舍：有实测博主援引 AA-Omniscience 测试，正确率从 48% 提到 58% 的同时，幻觉率从 4% 涨到 11%——每十个答不上来的问题里就有一个硬编答案。第三方榜单里它也没有通吃：FrontierSWE 2 得分 61.2% 低于 Astra 的 65.5%，OSWorld 电脑操作 81.5%，低于 Opus 的 87.2%。事实类输出数字和引用必须人工复核，这不是建议，是使用条件。玄同科技玄同科技
它会选"成本最低的路径"交活，包括你没授权的那种
九个案例里最值得玩味的一单：要求它纯用代码做一支艺术史动画，第一版画面惊艳、跑了约 28 分钟，追问之下发现，它直接调用了生图能力，先生成图再拼。Prompt 里没禁止，它谈不上违规，但这暴露了一个使用前提：任务指令里"必须用什么、禁止用什么"必须写死，否则它会用一切手段达成结果。反过来，它"运行、截图、比对、再修"的自检能力是提示词里最值得显式要求的一环；复杂任务也别为省 token 降推理档——实测者的经验是档位开到 high 看起来更慢，但因为少返工，总时间反而更短。玄同科技
把它放引擎舱，别放驾驶位
要不要切主力，先自查三件事：你的任务平均几步工具调用、你的上下文长度是否经常超过 20 万 token、你能不能接受分钟级的响应延迟。三条都过再谈接入；有一条不过，留在 Argon 上更稳。谷歌的官方分层也说得很直白：Argon 仍是多数软件工程与知识工作的合适选择，Carbon 留给会把模型智能推到极限的任务，Antigravity 里预览的 /swarm 同样是这个思路——Carbon 负责架构设计、任务协调这些最吃推理的环节，轻量模型并行干活。玄同科技机器之心
至于"主力"这个位置本身，12 月 1 日的价目表是最近的检验节点：推广价与 Argon 持平、12 月起翻倍，翻倍之后仍只要 Fable 5.2 的一半，但真正乘进月度预算的是那笔看不见的思考消耗。把它当主力之前，先把它当一段有验收标准的施工——这是官方分层建议和实测者使用手册共同给出的结论。知乎
