Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周

Google DeepMind 在 Argon 发布仅两周后推出 Gemini 4 Carbon，新模型在 Artificial Analysis Intelligence Index v5.0 上取得 59 分，前代 Argon 为 50 分，位列榜首。Google 称 Carbon 面向需要持续数天的长周期工程问题设计，内部团队曾连续运行多日，模型能自行走出死胡同，处理大型代码库和底层软件中的根因分析与细微缺陷修复。 在独立评测中，Carbon 在复杂推理、知识检索和科学任务上表现突出，在 AA Index 九项单项评测中拿下四项第一。智能体编码方面，Carbon 在 Antigravity 上从 Argon 的 53 分升至 59 分，但仍落后 Claude Code 搭配 Opus 5.5 三分。智能体知识工作 AA-Briefcase 上，Carbon 较 Argon 提升 126 分至 1,609 Elo，仍落后 Kimi K3.1 Pro、Muse Wonder 和 Grok 4.7。答案准确率从 48% 升至 58%，幻觉率从 4% 升至 11%，在排名中仍属第二低。 Vals AI 评测中 Carbon 以 70.36% 准确率位列第二，落后 Claude Sonnet 5.5 的 70.85%，领先 Claude Opus 5.5 的 70.18%。每次测试成本 10.51 美元、运行不到 48 分钟，比两个 Anthropic 模型更便宜更快。Carbon 在 Finance Index 和 Legal Research 基准上均居首，法律研究中引用来源比 Argon 多约 45%，但金融与税务智能体任务耗时超过 Argon 两倍，法律研究平均每任务超 50 分钟。模型生成的推理 token 是 Argon 的 2.3 倍，输出 token 多 64%。 Arena.ai 上 Carbon（High）以 1,528 分领跑 Text Arena，略高于 Argon 的 1,520 分。Agent Arena 中在超过 21,900 个真实会话里排名第二，净提升 16.2%，可操控性得分最高（+18.6%），任务成本中位数 1.80 美元，比第一名 Claude Opus 5.5（Max）低 72%。Code Arena 的 WebDev 类别中 Carbon 得 1,768 分，排名第四，仅落后 Claude Sonnet 5.5 两分。 安全测试中 Google 在无护栏条件下运行模型。SEC-bench Pro 上 Carbon 得 88.2% 领先所有测试模型，ExploitGym 上达 54.8%，CWE-Bench 上写修复补丁也大幅领先。Google 还引用无法独立验证的内部结果，称 Carbon 生成安全代码的频率是 Argon 的两倍以上，Chrome 团队测试中写安全补丁的表现比某未具名竞争对手的前沿模型好十倍以上。 Google 正逐步推出该模型，并参与美国政府的发布前测试流程。本周起部分网络安全专家优先获得访问权限，之后通过 Fairwind Program 扩展至更多可信合作伙伴，再经产品界面开放给开发者、企业和消费者。Carbon 采用与 Argon 相同的入门价格，输入每百万 token 2 美元、输出每百万 token 10 美元，缓存输入 token 享 95% 折扣。Artificial Analysis 按常规标价每百万输入 4 美元、输出 20 美元计算，Carbon 每任务成本 7.76 美元，比 Claude Opus 5.5（Max）的 10.04 美元低约 23%，比 GPT-6 Astra（Max）的 6.25 美元高约 1.2 倍。