谷歌 Gemini 4 Carbon 发布：两周一次换代，这次榜首换回了谷歌

北京时间 10 月 29 日凌晨，谷歌发布新一代前沿模型 Gemini 4 Carbon——距离上一代旗舰 Gemini 4 Argon 仅仅过去两周。Demis Hassabis 用一个闪电 emoji 开场，说谷歌正在"以闪电般的速度迭代"。这一次，榜首换人了：Artificial Analysis 智能指数 v5.0 中 Carbon 以 59 分登顶，把 Claude Opus 5.5（58 分）和 GPT-6 Astra（57 分）压回身后。

先泼一盆冷水：2 分的"第一"

59、58、57——三家头部模型只差 2 分。这是"第一"，但不是"断层"。Ars Technica 的评价很直白："本质上是一个稍微强一点的 Argon。"在 Arena 社区盲测里，Carbon 以 1528 分拿下文本总榜第一、Agent 总榜第二；WebDev Arena 前端榜单上提升 89 个 Elo 分后位列第 4（1769 分）。成绩是真的，差距是薄弱的，这是阅读今天所有榜单数据时该有的姿态。

真正值得单独说的不是分数，而是这次发布的"主叙事"变了：官方博客把最多篇幅给了网络安全，而不是推理或代码能力。

这次的主角是"安全"，不是"聪明"

Carbon 在网络安全防御的三个关键阶段同时做到业界领先，这是它区别于"又一个榜单冠军"的地方：

• 找漏洞：SEC-bench Pro 上取得 88.2%，高于 GPT-6 Astra 的 85.4% 和 Argon 的 83.4%。这个基准的任务是让模型自主发现隐藏在真实软件里的复杂漏洞。
• 验证漏洞：ExploitGym 上 54.8%，大幅领先第二名 GPT-6 Astra 的 42.4%。衡量模型判断漏洞是否真实可利用的能力——这直接决定安全团队修补的优先级。
• 打补丁：CWE-bench 上 71.0%，能把验证过的漏洞直接转化为可运行的修复代码。

内部数据（注意：均为厂商自测口径，建议打折看）：Carbon 生成安全代码的成功率较 Argon 提升超 2 倍；Chrome 团队测试显示，它生成高质量补丁的表现比"另一家实验室的大前沿模型"好 10 倍以上。安全侧还有一组数字更值得写进报告：Terminal-Bench 4.0 的作弊成功率被压到 0.0%（尝试率降到 0.4%），内部环境的高危失准告警下降近 80%，间接提示注入基准攻击成功率 0.0%（上代 Argon 为 0.7%）。

长程任务：连续跑几天不"走捷径"

另一个被官方反复强调的升级是长程智能体工作流：Carbon 专为"需要持续运行多日的高难度任务"设计，能够自主遍历死胡同、完成大型代码库与底层系统的根因定位、漏洞补丁编写等复杂多步骤工程任务，并且"不会为了完成任务而走捷径"。谷歌内部团队已经看到 Carbon 在复杂代码库里连续工作数天、自己死磕 bug 并打补丁。这类"连肝数日不掉链子"的能力，正是企业付费场景真正看重的东西——但同样的，目前只有官方演示和测评博主节选，尚无第三方复现。

为什么只开放给"防御者"

从发布当周起，Carbon 只提供给一部分经审核的网络防御者，随后经 Fairwind Program 逐步向受信任伙伴开放，开发者与消费者版本没有时间表。谷歌给出的背景是正在配合美国政府做发布前测试。这个节奏在头部模型发布里是罕见的，结合它的能力结构读就合理了：一个能把漏洞"发现—验证—修复"做成流水线的模型，本身也是潜在的攻击工具。先交给防御方，是把双刃剑的锋口先对准防守侧。

定价方面：引入期沿用 Argon 的价格，输入每百万 token 2 美元、输出 10 美元，缓存输入 95% 折扣；引入期结束后恢复常规价 4 美元/20 美元。引入期何时结束，谷歌还没有定。

这次发布的潜台词：能算清安全账的模型，比高 1 分的模型更好卖。榜首是公关，防御能力是定价权。

对行业意味着什么

第一，迭代节奏被重新校准。两周一次旗舰换代，意味着"买最强模型"这件事本身变成了持续支出，采购策略得从"选一款"变成"选一家并跟住它的发布节奏"。

第二，安全成为前沿模型的第一个"可审计 ROI"场景。88.2% 的漏洞发现率、71% 的补丁生成率，可以直接换算成安全人力成本——这比"综合智能高 1 分"更容易过预算会。

第三，注意评测口径本身在变。Artificial Analysis 这轮重建把 60% 的权重压到私有/隐藏答案集上，直接针对基准污染。榜首的含金量取决于你信哪个口径，采购决策时建议以自己的任务集复测为准。

常见问题（FAQ）

Gemini 4 Carbon 相比上一代 Argon 强在哪里？

最显著提升在网络安全：SEC-bench Pro 88.2%（Argon 83.4%）、ExploitGym 54.8%、CWE-bench 71.0%；安全指标上 Terminal-Bench 作弊率与提示注入攻击成功率均压至 0.0%。综合智能在 AA 智能指数 v5 以 59 分排第一，领先 Opus 5.5 和 GPT-6 Astra 各 1–2 分。

普通用户什么时候能用上？

没有时间表。现阶段先给经审核的网络防御者，再经 Fairwind Program 逐步向受信任伙伴开放，开发者与消费者版本未公布日期。

API 定价是多少？

引入期与 Argon 相同：输入每百万 token 2 美元、输出 10 美元，缓存输入 95% 折扣；引入期结束后恢复 4 美元/20 美元。

为什么发布重点是网络安全？

因为它为安全预算提供了可直接换算的 ROI——覆盖漏洞发现、验证、修复全链路且均为业界领先；Chrome 团队称其高质量补丁表现比另一家前沿模型好 10 倍以上（厂商自测口径）。