Google 发布 Gemini 4 Carbon：编程和找漏洞都拿了第一，但你现在还用不上
3分钟看懂
这是什么：Google 在 10 月 28 日发布的新一代前沿模型 Gemini 4 Carbon，主打长程编码和网络安全，是两周内第二次旗舰更新。
为什么重要：它在 Artificial Analysis 智能指数 v5 上以 59 分登顶，网络安全三项基准全部第一，同时把"作弊率"和"提示注入成功率"压到了 0%。
对谁有用：企业安全团队、维护大型代码库的工程师、做 AI 编程工具的产品方。普通用户暂时用不上——它现在只开放给少数网络安全防御机构。
先给结论：这次到底发了什么
10 月 28 日，Google DeepMind 发布了新一代前沿模型 Gemini 4 Carbon。这是两周之内 Google 第二次更新旗舰模型——上一次是 10 月中旬的 Gemini 4 Argon，Carbon 是在 Argon 基础上继续往前推的一代。
官方给出的定位很明确："我们最强的一代模型，在网络安全和长程任务（long-horizon）上达到业界最好水平。" 这句话出自 Google DeepMind 高级副总裁兼首席 AI 架构师 Koray Kavukcuoglu 署名的官方博客。
但有一件事必须先说清楚，因为它决定了你接下来能不能用上：这个模型目前不对普通用户和开发者开放。 Google 采取的是"限缩发布"——先给一小批网络安全防护机构用，再通过自家的 Fairwind 计划逐步放开给可信合作方，之后才轮到开发者、企业和普通消费者。
所以这篇不是"又出一个新模型快去看"的消息，而是"最强模型又换人了，但门槛也跟着抬高了"。
为什么这次值得看：三个数字
- 59 分：在 Artificial Analysis 智能指数 v5.0 上排第一。这是目前业界引用最多的综合能力榜单之一。
- 88.2%：SEC-bench Pro 得分，测的是"在真实软件里自主找出复杂漏洞"的能力，官方称达到业界最好。
- $2 / $10：每百万输入 / 输出 token 的介绍期价格，和 Argon 保持一致；缓存输入再打 95% 折扣。
对普通读者来说，这三个数字对应的其实是三件事：它现在综合最强、它最突出的本事是"找漏洞和修漏洞"、它暂时没涨价。
强在哪：不是全面碾压，是几个方向明显拔高
1. 长程编码：能连着跑几天
Google 说，内部团队已经看到 Carbon "连续运行数天，在走进死胡同后仍能坚持下来"，去处理那种跨大型代码库、跨底层系统的复杂多步工程任务——比如定位一个很隐蔽的 bug，然后打补丁。
这句话的分量在于"数天"。大部分模型在长任务上撑不住，不是因为不会写代码，而是因为步骤一多就开始丢上下文、忘目标、绕圈子。Carbon 主打的就是这种"耐力"。
配套的数字是 WebDev Arena：Carbon 涨了 89 个 elo 分，来到第 4 名（1768 分），官方称网页开发产物的质量有明显提升。
2. 网络安全：从"找漏洞"到"修漏洞"整条链
这是 Carbon 最核心的卖点，官方把它拆成三段：
- 找漏洞：SEC-bench Pro 88.2%，业界最好
- 判断能不能被利用：ExploitGym 54.8%，业界最好
- 从根因上修：CWE-bench 71.0%
三段连起来，就是安全团队真实的工作流：先发现、再判断优先级、最后修。Google 还给了两个外部佐证：Chrome 团队称 Carbon 生成高质量补丁的效果，比"另一家实验室的大型前沿模型"好 10 倍以上；云安全平台 Wiz 也观察到 Carbon 在其网页渗透测试基准上领先，这项能力与其 "Scan for Good" 公益扫描计划直接相关。
3. 安全与"诚实度"：一堆不太好懂但很实在的指标
官方列了一组对齐和安全指标，值得逐条看：
- 作弊率：在 Terminal-Bench 4.0 上，成功作弊率降到 0.0%，尝试作弊的比例降到 0.4%，同时整体准确率还提升了
- 高危错位警报：在内部真实编码环境里下降近 80%
- 无依据断言：比 Argon 减少约 2 倍（也就是更少瞎编）
- 越权与欠服务：过度越权行为减少 26%，该做没做的"欠服务"减少 29%
- 提示注入抵抗：在 Gray Swan 的间接提示注入基准上，攻击成功率 0.0%（Argon 是 0.7%）
最后这条对普通用户其实最实用。提示注入是"你在网页/邮件里藏一句话，让 AI 助手照着做"的攻击方式，成功率 0% 意味着目前评估过的攻击手法全部被挡下。
关键数据一览
| 维度 | 指标 | Carbon 表现 |
|---|---|---|
| 综合能力 | 智能指数（Artificial Analysis v5.0） | 59 分，排名第 1 |
| 网络安全 | SEC-bench Pro（自主找漏洞） | 88.2%，业界最好 |
| 网络安全 | ExploitGym（可利用性验证） | 54.8%，业界最好 |
| 网络安全 | CWE-bench（根因修复） | 71.0% |
| 前端编码 | WebDev Arena | 1768 分，第 4（+89 elo） |
| 抗攻击 | Gray Swan 间接提示注入 | 攻击成功率 0.0% |
| 可靠性 | Terminal-Bench 4.0 作弊率 | 成功作弊 0.0% |
| 价格 | 介绍期输入 / 输出 | $2 / $10 每百万 token |
| 价格 | 介绍期后输入 / 输出 | $4 / $20 每百万 token |
谁能用、什么时候能用
这是最容易被标题党带偏的部分，按官方口径整理：
- 现在：只给"一部分网络安全防护方"，本周开始
- 接下来：通过 Fairwind 计划逐步开放给更多可信合作方
- 之后：才轮到开发者、企业、消费者，官方原话是"尽快（as soon as possible）"，没有给日期
- 前置条件：Google 表示正积极参与美国政府的前沿模型发布前自愿测试流程
作为参照，上一代 Argon 也是同样的节奏。Ars Technica 的判断是：如果 Carbon 走 Argon 的老路，可能先给 AI Ultra 订阅用户和用 Gemini API 的开发者。
怎么用（现阶段）：普通用户没有任何自助入口，也没有公开的 API 调用方式。你能做的只有两件事——关注 Gemini API 的模型列表更新，以及如果你是安全机构，走 Fairwind 计划申请。除此之外，任何声称"现在就能免费用 Carbon"的第三方页面都值得怀疑。
多少钱：介绍价先占住，之后翻倍
- 介绍期：输入 $2 / 百万 token，输出 $10 / 百万 token
- 介绍期结束：输入 $4 / 百万 token，输出 $20 / 百万 token
- 缓存输入：在上述输入价基础上再减 95%
注意一个细节：Ars 提到 Argon 的折扣价只到 11 月底，但 Google 没有说明 Carbon 的介绍期什么时候结束，被问到时也拒绝给日期。也就是说，这个 $2/$10 是个没有明确截止日的临时价，做成本预算时不能按它长期规划。
冷静看：三个需要打折听的地方
1. "第一"的领先幅度很小
Ars Technica 的观察很直接：Google 把 Carbon 说成全新模型，但它"可能是 Argon 的一次后训练升级"。两个模型相似度很高，Carbon 在 Google 给出的每一项测试里都赢 Argon，但只是小幅领先。
对外的对比也一样：Carbon 在几乎所有测试里都赢了 GPT-6 Astra、Claude Opus 5.5、Claude Fable 5.1，但差距只有几分。Ars 的原话是"每个前沿模型在这些测试里都落在同一个区间"。而前沿模型之间的几分差距，在实际使用中经常被提示词、工具链、任务类型淹没。
2. 排行榜换了版本，登顶含义要打折
这次登顶的是 Artificial Analysis 智能指数 v5.0——刚更新过、更难的版本。榜单换版本时排名本来就会重排，所以"重回第一"更像"在新尺子下排第一"，而不是"能力突然拉开一个身位"。
3. 最强的能力，恰好也是最难开放的能力
Carbon 主打网络安全：找漏洞、验证可利用性、写补丁。这三件事组合起来，防御方用是护城河，攻击方用就是武器。Google 之所以限缩发布、先做政府自愿测试、只给防御机构，逻辑就在这里。
这也意味着一个现实：越是这种"能力跃升明显"的模型，普通用户能用到的时间越晚。 如果你在等一个"又能写代码又能打安全"的日常助手，Carbon 短期内不会是答案。
适用场景与不适用场景
适合关注的人：
- 企业安全团队：想提前评估"AI 自主找漏洞 + 自动打补丁"这条链路能不能进流程
- 大型代码库的维护者：长程、跨模块的 bug 定位是 Carbon 明确瞄准的活
- 做 AI 编程工具的产品方：WebDev Arena +89 elo 说明前端产物的可用性在往上走
- 需要评估模型采购的人：$2/$10 的介绍价和"无截止日"的风险要一起写进预算
不适合指望的人：
- 想马上在自己的产品里接 API 的开发者：现在没有开放入口
- 想拿它做渗透测试的个人：限缩发布 + 只对防御机构，个人拿不到
- 只关心日常聊天、写作、翻译的用户：这批能力对你没有直接增益，Argon 或更便宜的 Flash 系列更合适
- 想用它替代安全工程师的团队：它擅长发现和生成修复，但"该不该修、修完怎么验证"仍然要人拍板
避坑与注意事项
- 别把"业界最好"当成全面领先：这是 Google 在自己选的基准上的表述，且 Ars 指出领先幅度只有几分
- 别把限缩发布当成"已上线"：现在给的是少数防御机构，不是产品功能
- 别按介绍价做长期预算：$2/$10 没有公布截止日，之后是 $4/$20
- 别忽略评估条件：官方明确写了外部基准是"在无护栏（without guardrails）条件下评估"——这是测模型上限，不等于带护栏的产品表现
- 注意版本混淆：Gemini 4 Argon 和 Gemini 4 Carbon 是两个模型，网上很多旧文章还在讲 Argon，参数别混用
行动建议：接下来可以做什么
- 如果你是企业安全团队：把 SEC-bench Pro / ExploitGym / CWE-bench 三项指标记下来，等 Carbon 进入 Fairwind 或 Gemini API 后，用自己代码库的历史漏洞做一次回归测试，比看榜单有用
- 如果你是开发者：盯 Gemini API 的模型列表和 changelog，Carbon 一旦开放通常会在那里先出现；同时可以先在 Argon 上把长程 Agent 的流程跑通，Carbon 来了直接换模型
- 如果你只是普通用户：这条消息对你的实际影响是"Google 又把最强模型往前推了一格"，不需要做任何操作；真正值得等的是它下放到 Gemini 应用的那一天
关于本文的信息来源
本文主体事实来自 Google 官方博客（2026 年 10 月 28 日发布），包括模型定位、全部基准数字、价格、发布节奏与安全指标。其中关于"与竞品对比差距有限""可能只是 Argon 的后训练升级""Argon 折扣价到 11 月底"等判断，基于多家媒体转述整理，主要来自 Ars Technica 与 The Verge 的独立报道，属于媒体分析而非 Google 官方表述。