谷歌发布Gemini 4 Carbon，多项基准超越Claude Opus 5.5

谷歌在Gemini 4 Argon发布两周后推出新旗舰Gemini 4 Carbon，在Artificial Analysis智能指数5.0中以59分登顶，超过Claude Opus 5.5和GPT-6 Astra。定价方面，Carbon首发延续Argon的半价折扣，输入2美元/百万Token、输出10美元/百万Token，约为Opus 5.5（4美元/20美元）的一半；针对Agent任务高频使用的缓存命中输入给出95%折扣，低至0.2美元/百万Token。 编程与长程任务上，Carbon在Terminal-Bench 4.0（AA测试集）拿到65.2%，领先Opus 5.5的59.6%和GPT-6 Astra的59.1%；Terminal-Bench-Science 0.1以64.8%居首。256k至1M上下文的GraphWalks测试中Carbon达96.2%，远高于Opus 5.5的66.8%；Vending-Bench 2最终账户余额16,484美元，接近Opus 5.5的1.8倍。WebDev Arena Elo上涨89分至1769分，位列全球第四。不过FrontierSWE 2上Carbon为61.2%，落后于GPT-6 Astra的65.5%和Opus 5.5的62.3%；OSWorld-2.1离线子集Opus 5.5以87.2%保持第一；搭配Antigravity CLI的Coding Agent指数Carbon为59分，低于Claude Code加持下Opus 5.5的62分。 Token效率是另一差异点。独立评测显示Opus 5.5完成单次Intelligence Index评估平均消耗17.3万输出Token，Carbon仅需12.3万，减少29%；即便恢复标准定价，Carbon单次任务平均成本7.76美元也比Opus 5.5的10.04美元低约23%。 安全能力上，Carbon在SEC-bench Pro拿到88.2%、ExploitGym达54.8%、CWE-bench为71.0%，均称刷新或领先；谷歌称Chrome团队实战中其生成高质量安全补丁的表现比另一家顶级实验室的前沿模型强10倍以上。对齐方面，Terminal-Bench 4.0上成功作弊率压至0.0%，尝试作弊比例0.4%，内部高严重性失调警报下降近80%；Gray Swan IPI基准攻击成功率为0.0%。 谷歌DeepMind高级副总裁Koray Kavukcuoglu称研究人员与模型携手推进能力演进。由于Carbon具备较强漏洞挖掘与利用能力，发布前还需测试流程，本周起先向部分网络安全防御人员开放。