Google DeepMind 发布 Gemini 4 Carbon:主打网络安全与长周期 Agent 工作流,定价与 Argon 持平
来源Google DeepMind查看原文
速览
- Carbon 是 Google 当前最强模型,定位复杂多步编程、调试与开放式科学研究。
- 在三个独立 Agent 基准上排名第一,单任务成本比次优外部模型低 2 倍以上。
- API 定价与 Argon 持平,输入 2 美元/百万 token,输出 10 美元/百万 token。
- 预览 /swarm 功能,单提示可生成可追踪的协作 Agent 团队。
- 网络安全能力覆盖发现、利用、修补漏洞,Project Fortify 扫描召回率 100%。
- 模拟攻击拦截率 99%,单次突破率降至 0.8%,提示注入攻击成功率 0%。
- agentic honesty 基准通过率 92%,显著高于 Argon 的 70%。
- 与 Artificial Analysis 推出 MKA 多模态知识 Agent 基准,Carbon 排名第二。
- 科学家可免费申请使用 Argon 和 Carbon 六个月,网络安全防御者可申请 Fairwind 计划。
Google DeepMind 于 11 月 10 日发布 Gemini 4 Carbon,面向开发者、企业、科学家和消费者开放。Carbon 是 Google 当前最强模型,重点强化网络安全能力与长周期 Agent 工作流,在复杂多步编程调试、开放式科学研究等任务上使用更多 token 进行深入推理与验证。在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。API 定价与 Gemini 4 Argon 相同,为每百万输入 token 2 美元、每百万输出 token 10 美元。同时预览 Google Antigravity 的 /swarm 功能,可将单个提示转化为可实时追踪的协作 Agent 团队。
关键事实
- Gemini 4 Carbon 于 2026 年 11 月 10 日发布,面向开发者、企业、科学家和消费者开放。
- 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。
- API 定价与 Gemini 4 Argon 相同:每百万输入 token 2 美元,每百万输出 token 10 美元。
- 与 Artificial Analysis 合作推出 Multimodal Knowledge Agent (MKA) 基准,Carbon 排名第二,平均单任务成本比第一名低 6 倍以上。
- 在 Hebbia 的 E2E Financial Agentic 评估中匹配最佳模型表现,在 Balyasny Asset Management 的 General Financial Intelligence 基准上于 23 个前沿模型配置中排名第一。
- 网络安全方面,在 SEC-bench Pro、ExploitGym、CWE-bench v1 上领先;Project Fortify 中扫描召回率 100%、分诊精确率 95%;开源代码库测试中召回率相对 Argon 提升超过 25%。
本站视角
对中文开发者和做 Agent 的团队来说,Carbon 的同价策略是一个明确信号:前沿推理能力正在从「溢价选项」变成「默认配置」。Google 把 Carbon 的 API 价格压到与 Argon 相同,等于告诉市场,深度推理不再是额外收费的奢侈品,这会直接压缩其他模型厂商在高端推理任务上的定价空间。对使用 API 的中小企业而言,单任务成本比次优外部模型低 2 倍以上,意味着此前因成本搁置的复杂多步任务(如跨子系统根因分析、多包迁移)可能变得可行。我们认为,Carbon 在网络安全基准上的表现值得认真对待,但也要看到这些数据大多来自 Google 内部基准或合作方测试,独立第三方的大规模复现尚未出现。Project Fortify 的 100% 召回率和 95% 精确率是在「内部基准」上取得的,外部有效性需要观察。同样,0% 提示注入攻击成功率是在 Gray Swan IPI 单一基准上达成,Google 自己也承认在部分分布上仍可被 sophisticated attacks 突破,因此不应把这一数字理解为提示注入问题已被解决。对做安全产品的团队,Carbon 的漏洞发现与修补能力可能改变漏洞研究的工作流,但 Fairwind 计划的受控开放也说明 Google 在防范进攻性滥用上保持谨慎。另一个值得注意的点是 /swarm 功能:它把单提示扩展为多 Agent 协作团队,并引入对抗性验证器测试每次变更,这一架构如果成熟,可能会成为 Agent 编排的新范式,但预览阶段的实际稳定性与成本仍需验证。最后,Carbon 在 agentic honesty 基准上 92% 的通过率(Argon 为 70%)和 98% 拒绝填充缺失数据,对科研场景有实际意义,因为数据编造是当前模型用于科学研究的主要风险之一。
背景与影响
Gemini 4 Carbon 是继 Gemini 4 Argon 之后 Google DeepMind 推出的又一款前沿模型。官方定位上,Argon 仍适合大多数软件工程和知识工作任务,Carbon 则面向需要极限推理能力的场景,会消耗更多 token 进行探索、推理和验证。这意味着 Google 开始用「同一代际、不同档位」的产品矩阵覆盖不同需求:Argon 走通用性价比路线,Carbon 走深度推理与高价值任务路线。Carbon 在发布前两周已通过 Fairwind 计划向部分网络安全防御者开放,说明 Google 在网络安全这一敏感能力上采取了先受控开放、再逐步放量的策略。同时,Google 与 Artificial Analysis 合作推出 MKA 基准,试图填补现有基准在「Agent 原生处理密集多模态文件」方面的空白,这可能会影响后续模型评测的话语权。对开发者而言,Carbon 与 Argon 同价,意味着可以在不增加成本的情况下获得更强推理能力,但需注意 Carbon 会消耗更多 token,实际单任务成本可能高于 Argon。对国内做 Agent 的团队来说,/swarm 功能展示了多 Agent 协作的产品化方向,值得关注其工程实现与成本控制。需要观察的是,Carbon 在基准上的领先优势能否转化为真实生产环境中的稳定表现,以及 Google 是否会因网络安全能力的提升而面临更严格的监管审视。
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。