AI资讯

Google DeepMind 发布 Gemini 4 Carbon:AA 智能指数登顶 59 分,但仅限网络安全防御方使用

来源Latent Space查看原文

速览

  • Carbon 在 AA 智能指数登顶,但编码类评测落后于 Opus 5.5 与 GPT-6 Astra
  • 网络安全是核心卖点,但模型暂不公开,独立验证受限
  • 幻觉率从 Argon 的 4% 升至 11%,仍是已测模型中第二低
  • Google 称 Terminal-Bench 4.0 上成功作弊率降至 0.0%,作弊尝试降至 0.4%
  • Arena 文本榜 Carbon 以 1528 分排第一,Agent Arena 第二,WebDev 第四
  • Vals 评测中 Carbon 在金融指数和法律研究基准排第一
  • 有评论者认为 Google 仍比 OpenAI 与 Anthropic 的下一轮发布落后约两个月
  • Sundar Pichai 在财报电话会上称 AI 正加快训练与发布速度,预期未来十二个月因 RSI 持续加速

Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon,定位为网络安全与长周期任务上的最强模型。官方给出的网络安全成绩为 SEC-bench Pro 漏洞发现 88.2%、ExploitGym 利用 54.8%、CWE-bench 修补 71.0%。Carbon 首先通过 Fairwind Program 向受信任的网络安全防御方开放,面向更广泛开发者的访问「尽快」提供。Artificial Analysis 的独立评测显示,Carbon 以 59 分位列 Intelligence Index v5 第一,在 9 项指数评测中的 4 项领先(HLE-Diamond、TB-Science、AA-Omniscience、AutomationBench)。但它在编码类评测上并未全面领先:Coding Agent Index 为 59 分(使用 Antigravity CLI),低于 Claude Code 搭配 Opus 5.5 的 62 分;FrontierCode v1.1 为 51%,低于 Opus 的 56%;FrontierSWE 为 61.2%,落后于 GPT-6 Astra(65.5)、Opus 5.5(62.3)和 Sonnet 5.5(61.9)。模型规格为 1M token 上下文、1M 最大输出,输入支持文本、图像、视频和语音,输出为文本。

关键事实

  • Gemini 4 Carbon 在 Argon 发布两周后推出,主打网络安全与长周期任务
  • 官方网络安全成绩:SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%
  • Carbon 首先通过 Fairwind Program 向受信任的网络安全防御方开放,更广泛开发者访问时间未定
  • Artificial Analysis 的 Intelligence Index v5 中 Carbon 以 59 分排名第一,领先 4 项子评测
  • Coding Agent Index 上 Carbon 为 59 分,低于 Claude Code 搭配 Opus 5.5 的 62 分
  • FrontierSWE 上 Carbon 为 61.2%,落后于 GPT-6 Astra 的 65.5% 和 Opus 5.5 的 62.3%

本站视角

对国内做安全产品和 Agent 的团队来说,Carbon 的封闭发布是一个明确信号:前沿模型的能力差距正在从「通用能力」转向「特定高风险领域的受控开放」。网络安全是第一个被这样处理的领域,但不会是最后一个。如果这种「先给认证防御方、再给开发者」的模式被其他厂商跟进,中小团队获取最强模型能力的时间差会被拉长,依赖 API 的产品在能力上会持续落后于有资质的大机构。 我们的判断是,Carbon 更像一次「能力展示 + 安全姿态」的组合发布,而不是一次全面的代际跃升。它在 AA 智能指数上以 59 分登顶,但编码类三项评测全部落后于 Opus 5.5 或 GPT-6 Astra,说明 Google 这一代把后训练预算明显倾斜到了网络安全、长周期任务和知识工作上。对写代码为主的开发者,Carbon 目前不是首选;对做安全审计、漏洞挖掘、合规研究的团队,它值得尽早申请 Fairwind Program。 需要警惕的地方有三点。第一,网络安全成绩全部来自 Google 自报,模型又不公开,第三方无法验证,这类数字在采购决策中应打折看待。第二,幻觉率从 Argon 的 4% 升到 11%,虽然仍是第二低,但安全场景对幻觉的容忍度远低于聊天场景,已有用户对此表达担忧。第三,定价信息存在矛盾:Phil Schmid 引用的是 $2/$10,Artificial Analysis 列出的是 $4/$20 加 50% 首发折扣且无截止日期,实际成本取决于折扣是否长期有效,这一点需要观察。 另一个值得注意的细节是 scaling01 的判断:Google 仍比 OpenAI 和 Anthropic 的下一轮发布落后约两个月。如果这个判断成立,Carbon 的榜首位置可能只维持数周。对依赖榜单做选型的团队来说,把模型绑定到单一供应商的风险在 2026 年只会更高。

背景与影响

Gemini 4 Carbon 的发布节奏值得注意:距上一代 Argon 仅两周,而 Google 在 2026 年的模型迭代明显加快。Sundar Pichai 在财报电话会上把这种加速归因于 RSI(递归自我改进),并预期未来十二个月继续加速;一位 Gemini 工程师则描述内部已用夜间 agent 循环和 swarm 检查 RL 数据,发布更像「周期性检查点」。这意味着 Google 的发布节奏可能进一步压缩,模型版本之间的差异也会更小。 Carbon 的访问策略是这次发布最特殊的地方。它没有直接面向公众或全体开发者开放,而是先给「受信任的网络安全防御方」。从安全角度这可以理解:一个漏洞发现能力达 88.2% 的模型如果无限制开放,攻击面会迅速扩大。但代价是外部无法独立复现其网络安全成绩,官方数字只能作为厂商声明看待。Reddit 上已有用户抱怨 Argon 的配额极低、Gemini 3.1 Pro 长期未更新,Carbon 的封闭发布可能进一步加剧这种不满。 从独立评测看,Carbon 的画像并不均衡:知识与推理类(Omniscience、金融、法律、Vending-Bench 2、Blueprint-Bench 2)表现突出,编码类则被 Opus 5.5 和 GPT-6 Astra 压住。Artificial Analysis 也指出编码成绩是在 Antigravity CLI 这一特定 harness 下测得,换 harness 后结果未知。对开发者而言,这意味着选型不能只看总榜第一。

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