一个在网络安全基准上拉开身位的模型，先不向所有人开放
10月28日，谷歌（Google）发布了Gemini 4 Carbon，并将其定位为“迄今为止最强的前沿模型”。在独立评测机构Artificial Analysis更新的Intelligence Index v5.0上，Carbon在高推理设置下取得59分，排在Claude Opus 5.5（58分）和GPT-6 Astra（57分）之前，位列第一。在Google自己公布的17项基准对比中，Carbon在其中15项取得最高分，但OpenAI在一项软件工程测试中仍保持优势，Anthropic在一项计算机使用评估中领先。
Carbon距离两周前发布的Gemini 4 Argon（同期得分50）只隔了15天。Ars Technica的评价是，Carbon在本质上是Argon的“稍好一些的版本”，两者在谷歌给出的每一项测试中，Carbon都以小幅优势胜出。
网络安全：从“发现”延伸到“利用验证”和“修补”
Carbon最被强调的能力集中在网络安全防御链条的三个环节：发现漏洞、验证漏洞是否可被利用、产出修复补丁。在外部基准上，它的得分是：SEC-bench Pro（漏洞发现）88.2%，ExploitGym（利用验证）54.8%，CWE-bench（修补）71.0%，三项均处于领先位置。与Argon相比，ExploitGym的增幅最大，从42.0%提升至54.8%；SEC-bench Pro从83.4%升至88.2%；CWE-bench从68.0%升至71.0%。
谷歌同时披露了一组内部数据：在生成安全代码方面，Carbon的成功率是Argon的两倍以上；Chrome团队报告称，Carbon在生成高质量补丁方面的表现超过另一家实验室的前沿模型10倍以上，但未点名该模型。在Gray Swan的间接提示注入基准上，Carbon的攻击成功率为0.0%，优于Argon的0.7%、Opus 5.5的1%和GPT-6 Astra的8.5%。
一个需要与分数一起阅读的限定条件是：谷歌明确表示，上述外部网络安全评估是在“关闭护栏”的条件下进行的。这意味着这些分数衡量的是模型在理想条件下的能力上限，并不自动等同于客户在实际部署中、在护栏约束下能获得的同等结果。
Fairwind Program：先给守方，再谈开放
Carbon的发布路径与Argon一致：先通过谷歌DeepMind的Fairwind Program，向经过审核的网络安全防御者开放，再逐步扩展到更多受信任的合作伙伴。Fairwind Program的审核对象包括政府和国家网络主管机构、医疗、电信、能源和金融等关键基础设施运营方，以及核心软件维护者。谷歌的表述是，先收集反馈、迭代护栏，然后再“尽快”通过产品界面向开发者、企业和消费者开放。
这个顺序的逻辑与Carbon的能力分布直接相关。一个在漏洞发现和利用验证上得分显著高于前代的模型，如果率先无差别开放，攻击方获得的能力提升与防守方是同一套。谷歌选择把首发窗口交给防守方，同时把更广泛的发布与护栏的成熟度绑定在一起。谷歌同时确认，正在参与美国政府的前置模型测试自愿流程。
价格与成本：单价相同，但完成任务的账单不一定相同
Carbon的API定价在首发期与Argon一致：每百万输入token $2，输出token $10，缓存输入享受95%折扣，折后约$0.10。后续价格将在首发期结束后调整为输入$4、输出$20。Argon的后续价格有明确的生效日期（2026年12月1日），而Carbon的首发期截止日期尚未公布。
单价相同不意味着完成同一项任务的总成本相同。Artificial Analysis的记录显示，Carbon在其指数评估中消耗了200 million输出token，约为同类模型中位数（64 million）的三倍；按标准定价计算的加权平均每题成本为$7.76，低于Opus 5.5最大推理设置下的$10.04，高于GPT-6 Astra的$6.24。另一个值得留意的数字是首token延迟：Carbon在谷歌 API上的平均等待时间为97.5秒，而中位数为3.6秒。对于长周期工程任务，这个延迟可能被任务时长稀释；但对于交互式使用，它是一个需要被单独考量的变量。
跑分领先的边界，和它没有回答的问题
独立评测在确认Carbon整体领先的同时，也标出了它的边界。在专业工作任务上，Carbon在AA-Briefcase上得分1,609 Elo，较Argon有明显提升，但仍低于Grok 4.7、Muse Wonder和Kimi K3.1 Pro。在事实知识测试中，Carbon的幻觉率高于Argon。谷歌内部数据显示，严重对齐警报在编码环境中下降了近80%，无依据断言减少约一半，但这些是内部指标，没有对应的外部复现数据。
Carbon的发布呈现的是一幅能力与管控同步前置的图景：一个在网络安全基准和通用智能指数上登顶的模型，被放进一个以防御者为起点的受限分发通道，同时以与Argon持平的单价进入市场。它回答了“模型能做什么”，但把“谁能在什么条件下用到、以多大的总成本用到”留在了Fairwind Program的审核流程和尚未公布的护栏迭代进度之中。
（素材来自：谷歌 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。