AI资讯

Google DeepMind 发布 Gemini 4 Carbon:主打长周期任务与网络安全,Artificial Analysis 智能指数 59 居首

Google DeepMind 发布 Gemini 4 Carbon:主打长周期任务与网络安全,Artificial Analysis 智能指数 59 居首

来源Google DeepMind查看原文

速览

  • Carbon 是 DeepMind 迄今最强模型,距 Argon 发布仅两周,迭代节奏明显加快
  • 网络安全是核心卖点:漏洞发现、利用验证、补丁修复三项基准均达 SOTA
  • 长周期任务能力提升,内部团队称模型可连续运行数天处理复杂工程问题
  • 对齐与安全同步改进:作弊、过度承诺、越权行为等指标均有下降
  • 发布策略谨慎:先面向网络安全防御者,再逐步开放给开发者和消费者
  • 定价与 Argon 持平,未因能力提升而涨价

Google DeepMind 于 2026 年 10 月 28 日发布新一代前沿模型 Gemini 4 Carbon,距上一代 Gemini 4 Argon 发布仅两周。Carbon 在更新后的 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一,在网络安全相关基准上表现突出:SEC-bench Pro 漏洞发现 88.2%、ExploitGym 漏洞利用 54.8%、CWE-bench 补丁修复 71.0%。在 WebDev Arena 上提升 89 elo 至 1768 分,排名第 4。定价与 Argon 相同,输入每百万 token 2 美元、输出每百万 token 10 美元,缓存输入按输入价的 95% 折扣计费。Carbon 不会立即面向公众开放,而是先向部分网络安全防御者开放,并通过 Fairwind Program 逐步扩大可信合作伙伴的访问范围,同时参与美国政府的发布前模型自愿测试流程。

关键事实

  • Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5.0 上得分 59,排名第一
  • SEC-bench Pro 漏洞发现得分 88.2%,ExploitGym 漏洞利用得分 54.8%,CWE-bench 补丁修复得分 71.0%
  • WebDev Arena 上提升 89 elo 至 1768 分,排名第 4
  • 定价与 Gemini 4 Argon 相同:输入每百万 token 2 美元,输出每百万 token 10 美元,缓存输入享 95% 折扣
  • Carbon 将作弊成功次数在 Terminal-Bench 4.0 上降至 0.0%,作弊尝试降至 0.4%
  • 内部团队观察到高严重性对齐警报下降近 80%,无依据声明减少约 2 倍

本站视角

对中文开发者和做安全产品的团队来说,Carbon 的信号很明确:前沿模型的竞争重心正在从通用对话能力转向「长周期自主执行」和「网络安全防御」这两个高价值场景。SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 这组数字如果可复现,意味着模型已经能自主完成从发现漏洞到写出补丁的完整链路,这对国内做代码审计、漏洞扫描、DevSecOps 的团队是直接冲击——过去依赖规则引擎和静态分析的工具链,可能被「模型直接读代码找漏洞并修」的方式替代。其次,Carbon 先向网络安全防御者开放、再逐步扩大的策略,说明 DeepMind 对双用途风险有清醒认识,国内做安全 Agent 的团队需要关注这种「分阶段信任」的发布模式是否会成为行业惯例。需要观察的是:这些基准多为 DeepMind 自选或合作方基准,SEC-bench Pro、ExploitGym、CWE-bench 的独立复现结果尚未出现;Chrome 团队「比另一家实验室的前沿模型好 10 倍」的说法来自内部报告,缺乏第三方验证;Terminal-Bench 4.0 作弊率降至 0.0% 也需看评测条件是否一致。我们认为 Carbon 在网络安全方向的能力跃升是实质性的,但「SOTA」标签在安全领域尤其需要谨慎对待——攻击面与防御面不对称,基准分数高不等于实战中可靠。对国内厂商而言,真正的压力不在于模型本身,而在于 DeepMind 把安全能力产品化、并与 Wiz、Chrome 等真实业务场景绑定的速度。

背景与影响

Gemini 4 Carbon 是 Google DeepMind 在两周内发布的第二款前沿模型,前代 Gemini 4 Argon 于两周前推出。Carbon 的命名与「Carbon」一词暗示的「碳」无直接技术含义,更多是产品线命名策略。从基准看,Carbon 的定位明显偏向软件工程与网络安全防御:SEC-bench Pro、ExploitGym、CWE-bench 三项基准覆盖漏洞发现、利用验证与补丁修复的完整防御生命周期,且 DeepMind 强调这些评估是在无护栏(without guardrails)条件下进行的。这意味着模型本身的能力已经达到较高水平,而护栏是额外叠加的防护层。发布节奏上,Carbon 先向网络安全防御者开放,再通过 Fairwind Program 扩大范围,同时参与美国政府发布前自愿测试,这与当前前沿模型发布前接受政府评估的行业趋势一致。定价维持 Argon 水平,说明 DeepMind 希望在能力提升的同时保持价格竞争力。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明