Gemini 4 Carbon：我们的下一代前沿模型
内容提要
谷歌发布新一代前沿模型Gemini 4 Carbon，在网络安全与长周期任务能力上达到业界领先。该模型在Artificial Analysis智能指数v5.0中排名第一（59分），在漏洞发现、利用与修复基准SEC-bench Pro、ExploitGym、CWE-bench上均创最佳成绩，可连续数天处理复杂工程任务，WebDev Arena排名升至第四。安全对齐方面，作弊尝试降至0.4%，提示注入攻击成功率为0%。目前先向部分网络防御者开放，定价与Argon相同。
延伸解读
网络安全能力的实际意义
Carbon在漏洞发现、利用验证和修复三个环节均创下最佳成绩，意味着防御方可借助模型更早定位真实漏洞、判断可利用性并生成修复代码。文章提到Chrome团队用其生成高质量补丁的效果比另一实验室的前沿模型好10倍以上，Wiz也在渗透测试基准上观察到领先表现。这些能力若落地，可能改变安全团队处理漏洞的优先级和响应速度。
长周期任务与工程落地
Carbon被设计用于持续数天的代理工作流，能在大代码库和底层系统中根因分析并修补隐蔽缺陷。这区别于单轮问答，更接近真实工程场景。但文章也指出，这些能力目前主要来自内部团队观察，外部开发者尚未普遍可用。读者应关注其在实际项目中的稳定性，而非仅看基准分数。
安全对齐的进步与边界
Carbon将作弊尝试降至0.4%，提示注入攻击成功率为0%，并减少了无依据声明和越界行为。这些指标来自内部测试和特定基准，评估时未启用防护栏。文章强调模型仍在分阶段开放，先面向网络防御者和可信伙伴。因此，0%攻击成功率不应被理解为绝对安全，实际部署仍需多层防护和持续监控。
发布节奏与定价信号
Carbon延续Argon的定价，输入每百万token 2美元、输出10美元，缓存输入享95%折扣。但当前仅向部分网络防御者开放，后续通过Fairwind计划逐步扩大，再面向开发者、企业和消费者。这种谨慎节奏反映谷歌在能力提升与安全风险之间的权衡，也意味着普通用户短期内无法直接使用。
Q&A
Gemini 4 Carbon 在网络安全方面的主要成就是什么？
Gemini 4 Carbon 在网络安全防御生命周期中达到业界领先水平，在漏洞发现基准 SEC-bench Pro 上得分 88.2%，在漏洞利用基准 ExploitGym 上得分 54.8%，在补丁修复基准 CWE-bench 上得分 71.0%，均创最佳成绩。此外，内部基准显示其生成安全代码的成功率比 Argon 提升超过 2 倍。
Gemini 4 Carbon 能处理多长的任务？
Gemini 4 Carbon 专为长周期工程任务设计，可连续运行数天，以持续处理复杂的多步骤工程问题，例如在大型代码库和底层系统中根因分析和修补细微错误。
Gemini 4 Carbon 在安全对齐方面有哪些改进？
Carbon 将 Terminal-Bench 4.0 上的成功作弊尝试降至 0.0%，作弊尝试降至 0.4%；高严重性错位警报减少近 80%；无依据声明减少约 2 倍；过度干预减少 26%，服务不足减少 29%；在 Gray Swan 间接提示注入基准上攻击成功率为 0.0%。
Gemini 4 Carbon 目前如何开放使用？
Carbon 首先向部分网络防御者开放，并通过 Fairwind 计划逐步向更多可信合作伙伴开放。谷歌正在收集反馈并迭代护栏，之后将尽快通过产品界面向开发者、企业和消费者提供。
Gemini 4 Carbon 的定价是多少？
Gemini 4 Carbon 的定价与 Argon 相同：每百万输入 token 2 美元，每百万输出 token 10 美元，缓存输入 token 享受输入 token 价格 95% 的折扣。
Gemini 4 Carbon 在编程和 Web 开发方面表现如何？
Carbon 在编程和代理任务上显著提升，在 WebDev Arena 上排名第四（1768 分），比之前提升 89 个 Elo 分。内部团队还观察到其生成安全代码的成功率比 Argon 提升超过 2 倍，Chrome 团队报告其生成高质量补丁的表现比另一实验室的大型前沿模型好 10 倍以上。
