谷歌发布 Gemini 4 Carbon

发布

2026年10月28日，谷歌发布 Gemini 4 Carbon，并称其为自己的下一代前沿模型（frontier model）^[1]。谷歌把 Carbon 描述为自家最强的模型，强调它在网络安全和长程任务（long-horizon）上的能力处于领先水平 ^[1]。所谓长程任务，指的是要经过许多步骤才能完成的工作——先规划，再调用工具，再检查中间结果——而不是一问一答。

谁能先用

发布时的访问权限并不面向所有人。最初的使用权限只开放给网络安全防御者，他们通过 Fairwind Program 使用该模型 ^[1]。谷歌同时表示，公司参与了美国政府组织的自愿性发布前模型测试 ^[1]。这种分阶段发布的做法，是让开发者先把模型交给一个范围很窄的群体试用，再逐步放开；而与发布前测试计划结合，则意味着外部评估者在公众之前就能接触到模型。

谷歌公布的成绩

谷歌在发布时给出了一组成绩。在 Artificial Analysis Intelligence Index v5.0 上，Carbon 以 59 分排名第一 ^[1]。在 SEC-bench Pro 上得分为 88.2% ^[1]。在围绕漏洞利用构建的 ExploitGym 基准上，它达到 54.8%，谷歌称这刷新了该基准的最好成绩 ^[1]。在 Collinear 的 CWE-bench 上，它得到 71.0% ^[1]。在 WebDev Arena 上它排名第四，Elo 评分为 1768 ^[1]。Elo 是一种相对评分：它说明模型在两两对比中相对其他模型表现如何，而不是绝对意义上的正确率。谷歌还表示，在内部测试中，Carbon 生成安全代码的成功率是 Argon 的两倍以上 ^[1]。

价格

Carbon 最初定价与 Argon 相同：每百万输入 token 2 美元，每百万输出 token 10 美元。谷歌表示，在优惠期结束后价格将分别提高到 4 美元和 20 美元 ^[1]。在宣称基准大幅提升的同时把价格维持在先前的水平，是让已有用户愿意升级的一种做法；而价格上调的时间表意味着，模型的实际使用成本取决于客户从什么时候开始用。

怎样理解这些说法

有三点值得留意。第一，上述数字都来自开发者自己的发布材料，其中安全代码的比较被明确说明是内部测试，因此这些结果描述的是谷歌所选定的条件下的表现。第二，基准分数描述的是模型在该基准所含任务上的表现；在 SEC-bench Pro、ExploitGym 和 CWE-bench 上的好成绩，说明的是它处理与安全相关的代码的能力，而不是它对所有类型的工作都同样擅长。第三，指数排名和竞技场排名都是相对的，会随着新模型加入而变化，所以第一名或第四名是某个时刻的快照，而不是模型的固定属性。

以网络安全为核心来定位，这一点决定了发布方式。能够找出并修复漏洞的能力，同样可以被用来发现和利用漏洞，所以第一批拿到权限的是防御方，模型也在更广泛开放之前接受了政府测试 ^[1]。长程能力之所以同样重要，原因类似：需要许多步骤的任务，恰恰既是有用自动化的用武之地，也是错误不易被察觉的地方。

因此，Carbon 可以看作一次围绕特定主张构建的发布：一个通用模型可以同时在安全类工作和需要持续多步推进的任务上表现突出，而它面向的首批用户范围很窄，价格也带有阶段性的安排 ^[1]。