美东时间10月28日，谷歌发布了 Gemini 4 Carbon，并在 Artificial Analysis 最新智能指数 v5.0 上以59分拿下第一，其后是 Claude Opus 5.5 的58分和 GPT-6 Astra 的57分，而两周前才正式开放的上一代 Gemini 4 Argon，在同一张榜单上只有50分。它强在三个地方：网络安全防御的完整链路、以天为单位的长周期自主执行，以及一分没涨的 API 首发价——输入每百万 token 2美元、输出10美元，与 Argon 持平。但有一个前提要先说清楚：这波首发，普通人还用不上它。知乎华尔街见闻微博
比 Argon 强在哪：17项对比拿了15项第一
谷歌随发布公布了一张覆盖17项测试的对比表，Carbon 在其中15项拿了第一。对照 Argon 的同口径数据，进步集中在智能体执行和安全任务：Terminal-Bench 4.0 从57.1%提高到65.2%，Agents’ Last Exam 从69.0%到77.4%，长上下文的 GraphWalks 从84.2%跳到96.2%，智能体编程基准 SWE-sweep 从4.3%到9.6%、翻了一倍多。谷歌称，按内部测试，Carbon 写出安全代码的成功率是 Argon 的两倍多。微博华尔街见闻
谷歌官方发布的17项对比表：Gemini 4 Carbon、前代 Argon 与主要竞品的分项目成绩
网络安全是这次的核心卖点，三项基准正好对应防御工作的三个环节：找漏洞的 SEC-bench Pro 得88.2%，验证漏洞能否被利用的 ExploitGym 得54.8%，按根因修复的 CWE-bench 得71.0%、由第三方 Collinear 出题打分。对照表里 Argon 的对应成绩是83.4%、42.0%和68%，提升最大的一环恰恰是最难的"能不能真被利用"。谷歌的描述里，Carbon 能连续运行好几天、走进死胡同会自己换路，适合在大型代码库里追查隐蔽 bug 再修复。上一代 Argon 的招牌还是无人值守连续工作11小时、为自家20.5万行的 ADK 项目提出6项优化方案并跑完全部16892项测试，这一代把长周期直接推到了天级。华尔街见闻微博量子位
这次榜首的含金量：刷榜空间被压掉了
社区对大模型跑分本来就有戒心，Argon 前后"高分低能""刷榜"的质疑就没停过。差别在榜单本身：v5.0 不是旧榜翻新，按 Artificial Analysis 的说明，约60%的题目来自私有测试或撤回公开答案，同时新增 FrontierCode 2.0 和 Terminal-Bench-Science，把 HLE 替换为 HLE-Diamond，"刷熟人题"的路基本被堵死。还有个口径要注意：Argon 十月份上线时在旧版指数拿的是53分，这次新榜重测回落到50分，说明新榜给分更严，Carbon 的59分不能跟旧分直接比。真正说明问题的是同榜差距：比两周前的自家前代高出9分。知乎量子位
没赢的地方：两个官方短板和一个反向指标
17项里 Carbon 没拿下的两项都是硬任务：写代码的 FrontierSWE 2 得61.2%，低于 GPT-6 Astra 的65.5%；操作电脑的 OSWorld-2.1 离线子集得81.5%，低于 Opus 5.5 的87.2%。在 Artificial Analysis 自己的编程智能体指数里，它也排名第二，仅次于 Claude。换句话说，这是一次"综合第一"，不是"全面第一"。微博华尔街见闻知乎
可靠性上还有一个值得盯的反向信号：Artificial Analysis 的独立测试显示，Carbon 事实题正确率从 Argon 的48%提升到58%，但幻觉指标从4%升到11%——该指标的定义是"错误答案÷（错误+部分正确+未作答）"，并不等于11%的回答是凭空编造。把它和谷歌内部"没有依据的说法少了约一半"的口径放在一起看，完整图景是：模型更敢下结论，答对的更多，答错时也更自信。知乎微博
另外，这次发布没有技术报告，参数量和架构均未披露，能力从哪来只能从评测表反推，真实表现要等更大范围开放后的使用数据说话。知乎
对你我现在意味着什么：先等，以及怎么等
和 Argon 发布当天 Google AI Pro、Ultra 订阅用户和 API 开发者就能用不同，Carbon 首周只通过 Fairwind 计划向经过审查的网络安全防御者开放；开放时间官方只说"很快"，Sundar Pichai 在推文里也只给了这两个字；名额优先给国家网络安全机构、医疗电信能源金融等关键基础设施运营方和大型科技平台，要经 Google Cloud 客户团队申请、做背景审查。微博
价格策略则和 Argon 首发完全一样：输入每百万 token 2美元、输出10美元，脚注写明引入期结束后涨到4美元、20美元；只是 Argon 的折扣明确到11月30日截止，Carbon 的引入期官方还没给日子，缓存输入另有大幅折扣。所以发布这一周的实用玩法是：成本敏感的开发者继续用 Argon，折扣窗口内能省则省；关键基础设施企业可以找 Google Cloud 团队咨询 Fairwind 申请；普通用户盯开放节点就行。还有一点别忘了——谷歌写明，上面那些安全高分是关掉防护后测出来的，它的做法是先只给审查过的防御方用，同时参加美国政府自愿的发布前模型测试，等调整好防护再向更大的用户群开放。知乎微博
