刚刚，Gemini 4 Carbon 正式发布，哈基米重回世界第一
内容提要
谷歌发布Gemini 4 Carbon，以59分登顶Artificial Analysis榜单，超越Claude Opus 5.5和GPT-6 Astra。该模型可连续数天处理复杂工程任务，自主发现、验证并修复软件漏洞，多项网络安全测试领先。但谷歌优先向少数网络安全防御人员开放，普通用户暂无时间表，引发对“无实物表演”式发布的争议。
延伸解读
榜单登顶的含金量：新基准下的微弱优势
Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5.0 上以59分登顶，仅比Claude Opus 5.5高1分。该榜单刚于10月27日升级，覆盖知识工作、编程、科学和通用推理四大领域，且60%权重采用私有或隐藏答案，提高了测试难度。1分优势虽小，但考虑到新基准的严苛性，仍能说明Carbon在综合能力上处于第一梯队，而非单纯营销造势。
从编程助手到长程Agent：连续数天自主修复漏洞
文章强调Carbon能连续运行数天处理大型代码库，在遇到障碍时持续寻找替代方案，最终定位并修复隐蔽缺陷。这区别于过去几分钟内生成代码的助手模式，指向真正承担复杂工程任务的自主Agent。配合WebDev Arena Elo提升89分至1769分，说明其长程任务保持目标一致性的能力有具体评测支撑，但实际工程环境中的稳定性仍需用户验证。
网络安全能力双刃剑：测试领先与可靠性补强
Carbon在SEC-bench Pro、ExploitGym和CWE-bench三项安全测试中分别取得88.2%、54.8%和71.0%，覆盖发现、验证和修复漏洞的完整流程。谷歌同时提升了自主执行可靠性：Terminal-Bench 4.0中作弊成功率降至0.0%，高严重程度行为不一致警报减少近80%。但文章也指出，测试中的零成功率不代表现实攻击全被阻止，能力若被滥用同样存在风险。
发布策略争议：能力亮眼但普通用户遥不可及
Carbon优先开放给少数网络安全防御人员，普通开发者和消费者暂无时间表，引发Hacker News网友对“无实物表演”式发布的反感。价格沿用Argon首发定价，输入每百万Token 2美元、输出10美元，推广期后翻倍。文章认为，在模型频繁刷新榜单的时代，Benchmark只能证明考试能力，能否进入真实工作环境创造价值，仍需用户实际使用后才能判断。
Q&A
Gemini 4 Carbon 在 Artificial Analysis 榜单上得了多少分？排名如何？
Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5.0 榜单中拿下 59 分，超越 Claude Opus 5.5（58 分）和 GPT-6 Astra（57 分），登上全球大模型榜首。
Gemini 4 Carbon 在网络安全方面具体能做什么？
Gemini 4 Carbon 能自主发现、验证并修复软件漏洞，覆盖从寻找漏洞、判断可利用性到编写修复程序并验证的完整流程。在 SEC-bench Pro 测试中取得 88.2%，ExploitGym 测试中达到 54.8%，CWE-bench 测试中取得 71.0%。
普通用户什么时候能用上 Gemini 4 Carbon？
目前没有明确时间表。谷歌决定优先向少数网络安全防御人员开放，本周首先提供给部分防御人员，再通过 Fairwind Program 逐步扩大至可信合作伙伴，普通开发者和消费者何时能用尚不清楚。
Gemini 4 Carbon 的 API 定价是多少？
Gemini 4 Carbon 沿用 Argon 的首发定价：每百万输入 Token 收费 2 美元，输出 Token 收费 10 美元，缓存输入优惠 95%。推广期结束后，标准价格将调整为输入 4 美元、输出 20 美元。
Gemini 4 Carbon 在长程工程任务上有什么突破？
Gemini 4 Carbon 能够连续运行数天，处理大型代码库和底层系统中的复杂工程问题，即使遇到障碍也能持续寻找其他方案，最终定位并修复隐蔽的软件缺陷。谷歌希望它成为真正承担复杂工程任务的自主 Agent。
为什么说 Gemini 4 Carbon 的发布是“无实物表演”？
因为谷歌提前宣布新模型却迟迟不向普通用户开放，优先仅限少数网络安全防御人员，其他用户没有时间表。不少网友反感这种发布方式，认为 AI 厂商越来越擅长用安全叙事包装发布，但用户实际用不上。
