Google DeepMind发布Gemini 4 Carbon，距Argon仅两周即登顶AA智能指数
Carbon在Artificial Analysis Intelligence Index v5上得59分，高于Argon的50分；因强化安全能力，首批仅向选定网络安全专家开放，定价与Argon相同。
AI解读：读者最需要弄清的是Carbon目前能用到什么程度。Google DeepMind称其面向多日连续运行的长时间工程任务，且内部团队已让模型连续运行数天；但公司同时表示因安全能力而采取分阶段发布，本周先开放给选定网络安全专家，之后通过Fairwind计划扩大至可信合作方，再经产品界面面向开发者、企业和消费者，前提是收集反馈并调整安全护栏。
定价方面，Carbon沿用Argon的入门价：每百万输入token 2美元、每百万输出token 10美元，缓存输入token在常规输入价基础上享95%折扣。Artificial Analysis按每百万输入4美元、输出20美元的常规标价计算，得出Carbon每任务成本7.76美元，Argon为7.68美元，Claude Opus 5.5（max）为10.04美元。
能力与限制并存：Carbon在AA指数九个单项评测中四项第一，但智能体编程在Antigravity上仍落后Claude Code搭配Opus 5.5三分。Google自选16项基准中Carbon拿下15项第一，长上下文与安全任务拉开差距；这些为公司自报结果，其中部分内部基准无法独立验证。
安全测试结果需注意适用范围。Google在多项安全基准上未启用安全护栏运行模型：SEC-bench Pro得分88.2%、CWE-Bench为71.0%、ExploitGym为54.8%（运行十小时）。在Gray Swan间接提示注入基准上，攻击成功率从Argon的0.7%降至0.0%，但这只说明该项测试已饱和，不代表提示注入问题已解决。
Google DeepMind发布Gemini 4 Carbon，距上一代Gemini 4 Argon发布仅两周。据The Decoder报道，Carbon在Artificial Analysis Intelligence Index v5上得59分，Argon为50分，Carbon位列该指数第一。
Google称Carbon面向“更难、长周期的工程问题”，需要持续的智能体工作流；内部团队曾让模型连续运行多天，期间模型自行绕过死胡同，并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等多步任务。这一说法来自Google，未附独立复现细节。
因模型的安全能力，Google采取分阶段发布：本周起先向选定网络安全专家开放，随后通过Fairwind计划扩大至更多可信合作方；待收集反馈并调整安全护栏后，再通过产品界面向开发者、企业和消费者开放。Google还表示正在参与美国政府的发布前测试流程。
评测排名与成本
Artificial Analysis的独立评测显示，Carbon在最高推理档（high）领先主要来自复杂推理、知识检索和科学任务，在九个单项评测中四项第一。智能体知识工作基准AA-Briefcase上，Carbon（high）比Argon（high，1,483 Elo）提升126分至1,609 Elo，其中演示质量提升293 Elo至1,598，分析质量提升120 Elo至1,671；但仍低于Kimi K3.1 Pro（1,678 Elo）、Muse Wonder（max，1,659 Elo）和Grok 4.7（xhigh，1,638 Elo）。
回答准确率从Argon的48%升至58%，幻觉率从4%升至11%，在排名中仍为第二低；Claude Opus 5.5（max）与GPT-6 Astra（max）均为50%。Vals AI将Carbon列为第二，准确率70.36%，落后Claude Sonnet 5.5（70.85%），高于Claude Opus 5.5（70.18%）和第四名Argon（69.24%）；每次测试成本10.51美元、运行不足48分钟，比两个Anthropic模型更便宜、更快。
Arena.ai上，Carbon（High）以1,528分在Text Arena领先Argon的1,520分；Agent Arena超过21,900个真实会话中排第二，净改进16.2%，可操控性得分最高（+18.6%），任务成本中位数1.80美元，比第一的Claude Opus 5.5（Max）低72%。WebDev Arena上Carbon以1,769分排第四，比Argon高89分。
安全基准与提示注入测试
Google在SEC-bench Pro、CWE-Bench和ExploitGym等安全测试中未启用安全护栏运行Carbon。结果显示：SEC-bench Pro自主漏洞发现得分88.2%，CWE-Bench修复编写71.0%，ExploitGym在十小时运行下将漏洞转化为可用利用的成功率54.8%，均领先GPT-6 Astra和Argon。
在Gray Swan间接提示注入基准上，攻击成功率从Argon的0.7%降至0.0%，Google称拦截了所有测试中的操纵尝试。报道指出，这只能说明该测试已饱和，不能据此认为提示注入问题已经解决。
Google还引用无法独立验证的内部结果：Carbon生成安全代码的频率据称是Argon的两倍以上；Chrome团队的测试中，其编写安全补丁的表现据称比某未具名竞争对手的前沿模型好十倍以上。
定价与效率
Carbon沿用Argon的入门价：每百万输入token 2美元、每百万输出token 10美元，缓存输入token在常规输入价上享95%折扣。Artificial Analysis按其每百万输入4美元、输出20美元的常规标价计算，Carbon在AA指数上每任务成本7.76美元，略高于Argon的7.68美元，比Claude Opus 5.5（max，10.04美元）低约23%，但比GPT-6 Astra（max，6.25美元）高约1.2倍。
每个任务平均输出12.3万token，比Claude Opus 5.5（17.3万）少29%。Vals AI记录到Carbon在财务与税务智能体基准上的任务耗时超过Argon的两倍，法律研究平均每任务超过50分钟；推理token量是Argon的2.3倍，输出token量多64%。