Gemini 4 Carbon 登顶指数榜，但先只给网络防御者用

新模型刚接进工作流，下一个就来敲门，这个月的大伙，多半已经体会过这种“上一代还没用熟”的感觉。

10 月 28 日（UTC），Google DeepMind 发布了 Gemini 4 Carbon，离 Argon 扩大开放才过去两周。官方说它在网络安全和长程任务上做到了当前的 SOTA 水平，也就是公开成绩里排在前头的那一档。我们 AI主线 的看法是：Gemini 4 Carbon 是 Google 在编程和 agent 上快速补课的一版，综合分数确实站上了榜首，但眼下只有受邀的网络安全防御者能用，普通开发者还没法自己验证。

一个月出两个旗舰，Google 这是赶场吗

先说上一代。Argon 是 Google 的旗舰推理模型，9 月 30 日首发，10 月 13 日才扩大开放。API 文档写的上下文窗口是 1048576 个 token，也就是常说的 1M，默认单次输出 65536 个 token，打开长解码最多能到 1M。

Carbon 在它的基础上往两个方向加码：网络安全，和“长程任务”。

长程任务是什么？就是让模型自己干活，一干几个小时甚至几天，撞了墙知道绕，而不是写两段代码就断片。Google 说内部团队见过 Carbon 连着跑好几天，在大型代码库里给隐蔽的 bug 找根因、打补丁。这是官方的内部观察，外面还没人复现。

再看同期的对手：OpenAI 的 GPT-6 Astra 在 9 月 3 日发布，Anthropic 的 Claude Opus 5.5 在 9 月 22 日发布。九月是它们的戏，十月 Google 连出两张牌。我的感觉是，旗舰迭代的间隔已经被几家一起卷到以周计算了，Google 这是在补节奏。

漏洞这条线，三个百分比怎么读

Google 挑了三个网络安全基准来说话。把它想成查家里漏水：先找到漏点，再判断这个漏点会不会真把屋子淹了，最后把管子补上。对应到安全领域，就是发现漏洞、验证能不能被利用、修补。SEC-bench Pro 88.2%，ExploitGym 54.8%，CWE-bench 71.0%，依次对应这三步。

三个数里，我最盯中间那个。ExploitGym 考的是模型能不能真把漏洞利用出来，54.8% 意味着过半的题它做到了。Google 特意注明，这些成绩是在不设护栏的情况下测的。这大概也是 Carbon 没有直接放给所有人的原因：能力往攻击那一侧也伸了手。

要提醒的是，目前公开的这三个数字都出自 Google 自己的发布，Chrome 团队说补丁质量比另一家实验室的模型好 10 倍，同样是 Google 披露的。

对比一下，OpenAI 把 Astra 的网络安全能力评到了 Critical 级，标准公开版会拒绝漏洞发现和利用类的任务。Google 走的是另一条路：能力先做出来，只发给受邀名单，再通过 Fairwind Program 一批批放。路子不同，说的其实是同一件事，这类能力现在没人敢直接敞开了发。

安全那半边，Google 还晒了几个好看的数。比如 Terminal-Bench 4.0 上成功作弊降到 0.0%，意思是模型想钻评测的漏洞走捷径，结果一次没得手。又比如 Gray Swan 的间接提示注入测试里，别人往网页里藏指令想骗它，攻击成功率从 Argon 的 0.7% 降到 0.0%。这些零代表那套题里没中招，不代表真实世界里刀枪不入。

综合榜首多的那 1 分，别急着当真

Artificial Analysis 的 Intelligence Index v5.0 上，Carbon 拿到 59 分，Claude Opus 5.5 是 58，GPT-6 Astra 是 57。比上一代 Argon 高了 9 分，这个进步是实打实的。比 Opus 5.5 多的那 1 分，我会当成并列来看。

原因有两个。v5.0 是 10 月 27 日刚改版的新题库，大半建在私有数据集上，还没经过多久考验。分数差一分，换个版本、换个推理档位就可能翻过来，跑分党今天欢呼，下个月未必还这么热闹。

写代码的大伙更要看清这一项。Artificial Analysis 自己说，Carbon 的领先主要在复杂推理、知识和科学任务上，编程并没有领先。在它的 Coding Agent Index 里，Antigravity CLI 搭 Carbon 得 59，Claude Code 搭 Opus 5.5 是 62，Opus 5.5 的组合还在前面。Google 自己晒的 WebDev Arena 成绩是第四（1768 分），倒也算坦诚。

还有幻觉这件事。Google 说内部测试里，Carbon 没有证据支撑的说法比 Argon 少了约一半。Artificial Analysis 的 AA-Omniscience 却显示，Carbon 的幻觉率从 Argon 的 4% 升到了 11%，不过仍远低于 Opus 5.5 和 GPT-6 Astra 的 50%。两边测的不是一回事，并不矛盾，只是“幻觉少了”这句话不能一口打包。

两美元的价签，现在能不能算数

Google 说 Carbon 的入门价和 Argon 一样，每百万 token 输入 2 美元、输出 10 美元，缓存命中的输入再便宜 95%。听着很香。

但 Artificial Analysis 的说法是，这是标准价 4 美元和 20 美元打了五折，没有公布结束日期。标准价和 Claude Opus 5.5 的 4 美元、20 美元一模一样，GPT-6 Astra 则是 10 美元、50 美元。所以折后的 Carbon 价签是这三家里压得最低的，折扣一旦结束，它就和 Opus 5.5 站在同一条线上了。

可惜现在大多数人买不到。Carbon 这周先开放给一部分网络安全防御者，再通过 Fairwind Program 逐步扩大到受信任的合作伙伴，Google 还在参加美国政府的自愿预发布测试。开放给开发者、企业和普通用户，官方只说会尽快，没给时间。

接下来我盯三样：放开之后价格还在不在，Coding Agent 那 3 分的差距缩不缩，还有独立机构会不会复测漏洞利用那组数字。我们 AI主线 会等到大伙都能自己上手的那天，再回头给 Carbon 一个更实在的评价。