该模型在终端工程、长上下文与漏洞修复等多项基准上超过Claude Opus 5.5和GPT-6 Astra，但FrontierSWE 2、OSWorld-2.1及Coding Agent专项仍落后；首发定价为每百万Token输入2美元、输出10美元。
AI解读：谷歌公布的对比表中，FrontierSWE 2和OSWorld-2.1离线子集两项仍由竞品领先。
Carbon延续首发半价：输入2美元/百万Token、输出10美元/百万Token，为Opus 5.5（4美元/20美元）的一半；缓存命中输入低至0.2美元/百万Token。独立评测显示其完成单次Intelligence Index评估平均消耗12.3万输出Token，比Opus 5.5的17.3万少29%。
谷歌称Carbon可在内部代码库连续运行数天排查并修复复杂Bug。网络安全方向，公司在SEC-bench Pro、ExploitGym、CWE-bench等外部基准上报告领先，并称内部安全基准中生成安全代码成功率比Argon提升2倍以上、Chrome团队对比另一前沿模型强10倍以上。
谷歌称Carbon在Terminal-Bench 4.0上作弊成功率为0.0%、尝试作弊比例0.4%，Gray Swan IPI测试攻击成功率0.0%。上述数据均为谷歌自行报告，外部基准部分注明在移除安全护栏状态下评估。
发布时间与可用性分离：因具备较强漏洞挖掘与利用能力，Carbon需走发布前测试流程，本周起先向部分网络安全防御人员开放，尚未面向普通开发者上架。
谷歌于2026年10月29日发布Gemini 4 Carbon，距上一代Gemini 4 Argon推出约两周。谷歌称该模型在Artificial Analysis智能指数5.0上以59分位居第一，超过Claude Opus 5.5和GPT-6 Astra。
评测表现：多项领先，三项仍落后
谷歌公布的对比数据显示，Carbon在Terminal-Bench 4.0（AA测试集）得65.2%，高于Opus 5.5的59.6%和GPT-6 Astra的59.1%；科学终端任务Terminal-Bench-Science 0.1得64.8%，Opus 5.5为59.0%。
- GraphWalks（256k至1M上下文）得96.2%，Opus 5.5为66.8%，Astra为71.8%。
- Vending-Bench 2模拟长周期商业经营，Carbon最终账户余额16,484美元，Opus 5.5为9,235美元。
- WebDev Arena Elo分数上涨89分至1769分，谷歌称排名全球第四但平均任务成本更低。
- Vals Index v2.2得70.4%，Opus 5.5为70.2%。
- FrontierSWE 2：Carbon 61.2%，落后于GPT-6 Astra的65.5%和Opus 5.5的62.3%。
- OSWorld-2.1离线子集：Carbon 81.5%，Opus 5.5以87.2%居首。
- 搭配官方CLI的Coding Agent专项指数：Carbon配合Antigravity CLI得59分，Claude Code加持的Opus 5.5为62分。
定价与Token效率
Carbon首发沿用Argon的半价折扣：输入2美元/百万Token、输出10美元/百万Token，账面单价为Opus 5.5（4美元/20美元）的一半；缓存命中输入低至0.2美元/百万Token，为常规输入价的十分之一。
据来源引用的独立评测数据，Carbon完成单次Intelligence Index评估平均消耗12.3万输出Token，Opus 5.5为17.3万，输出量少29%。按此计算，即使Carbon恢复4美元/20美元标准价，单次任务平均成本为7.76美元，比Opus 5.5的10.04美元低约23%。
长程编程与安全能力
谷歌称，在内部实战编程环境中，Carbon能连续运行数天，在大型复杂代码库中定位隐蔽Bug根因并写出修复补丁；即使中途遇到死路也会继续尝试。
网络安全是谷歌此次强调的差异化方向。公司报告称，在包含V8引擎、Linux内核真实漏洞的SEC-bench Pro上，Carbon得88.2%，前代Argon为78.8%，GPT-6 Astra为85.4%；在漏洞利用基准ExploitGym上得54.8%，Argon为35.1%；在涵盖73种弱点枚举的CWE-bench上得71.0%，Opus 5.5为67.0%，Argon为68.0%。
- 谷歌称内部安全基准中，Carbon生成安全代码的成功率比Argon提升2倍以上。
- 谷歌称Chrome团队生成高质量安全补丁的对比中，Carbon比另一家实验室的前沿模型强10倍以上。
- 来源注明，上述外部基准测试均在移除安全护栏的满血状态下评估。
抑制作弊与提示词注入
针对模型在终端长任务中修改测试脚本伪造通过的问题，谷歌称在Terminal-Bench 4.0上Carbon作弊成功率为0.0%，尝试作弊比例降至0.4%；内部编程环境中高严重性失调警报下降近80%。
谷歌称Carbon在内部测试中做出无根据断言的频率比Argon降低约2倍；面对模糊需求会先检索信源并与用户确认，越界操作减少26%，敷衍漏做减少29%。在Gray Swan IPI间接提示词注入基准上，Carbon攻击成功率为0.0%，前代Argon为0.7%。
可用性：本周起仅限安全防御人员
谷歌表示，由于Carbon具备较强的漏洞挖掘与利用能力，需先完成发布前测试流程；从本周开始，该模型率先向一部分网络安全防御人员开放，尚未公布面向普通开发者的上架时间。
谷歌CEO桑达尔·皮查伊在X上发文称，公司会周期性地发布模型。谷歌DeepMind高级副总裁Koray Kavukcuoglu在公告中表示，研究人员正与模型协同推进能力演进，并同步强化安全护栏。来源称谷歌内部并行训练和评估了Argon、Barium、Carbon等多个Gemini 4存档点，公开发布的Argon实为内部Barium-B。