AREX Feed Article
Perplexity CEO 实测 Gemini 4 Carbon：称创私有基准 WANDR 新 SoTA，待容量就绪向 Pro/Max 用户开放
北京时间 10 月 31 日凌晨，Perplexity 联合创始人兼 CEO Aravind Srinivas 在 中分享了对 Gemini 4 Carbon 的早期评测：他称这是他们在长篇研究与答案质量上「见过的最强模型」，宣称该模型在 Perplexity 私有的 Wide-And-Deep-Research（WANDR）基准上创下新的 SoTA（state of the art，当前最佳成绩），并承诺待 token 容量（模型用量额度）充足，把 Carbon 向所有 Perplexity Pro 和 Max 用户的 Computer 功能开放。
Carbon 是 Google 于 10 月 28 日发布的前沿模型，距上一代 Gemini 4 Argon 只有两周（）。独立评测机构 Artificial Analysis（下称 AA）在发布当天把 Carbon 排在 Intelligence Index v5 第一名，其榜单图同时给这根柱子标上「No publicly available API」（无公开 API）的记号； 报道，模型当时只向少数入选的网络安全防御公司开放，扩大访问没有公开时间表。
截图里的 WANDR：0.857 分，单任务 5.86 美元
Srinivas 帖文附带的是一张「WANDR score vs. cost」散点图。图上 Gemini 4 Carbon 以 0.857 分居首，单任务成本 5.86 美元；最接近的 GPT-6 Astra 得 0.735 分、花 13.34 美元；Claude Fable 5.1 得 0.601 分、12.76 美元。照这组数字，Carbon 得分高出 GPT-6 Astra 0.122 分，价格不到其一半。它同时越过了 Google 自己的上一代模型：图中 Gemini 4 Argon 得 0.802 分、7.88 美元。Claude Opus 5.5 花 3.69 美元，得分 0.647；Grok 4.7 得 0.528 分、9.30 美元。
这组数字外界目前无法复核。WANDR 是 Perplexity 的私有基准，评测方法与完整榜单都不对外；发帖者是 Google 竞争对手的 CEO，并且已经计划把 Carbon 接入自家付费产品。帖文以「祝贺 @GoogleDeepMind」结尾，但没有说明 Perplexity 从什么渠道拿到访问权限，也没有给出第三方验证安排。在独立第三方复现之前，这个 SoTA 只是 Srinivas 的宣传性声明。
待 token 容量就绪，Carbon 将进入 Pro/Max 用户的 Computer
Srinivas 在帖文里写明，Carbon「很快将向所有 Perplexity Pro 和 Max 用户在 Computer 中开放」，前提是「我们拿到足够的 token 容量」。他没有给出时间表，也没有说明这一单方表态将如何落实。Computer 是 Perplexity 产品内的功能，帖文所附截图的页眉也印着「perplexity computer」。
Carbon 的访问仍被 Google 框定在 Fairwind Program（面向合作方的扩展计划）内：先给入选的网络安全防御公司，再逐步扩大到更多合作伙伴。the-decoder 补充了一个背景：因为网络安全能力突出，Carbon 正在走美国政府的自愿预测试流程，初期只提供给入选的安全专家。而把它带向普通付费用户的具体承诺，来自竞争对手这一边。
独立评测的另一面：编码落后 3 分、幻觉率上升
AA 在发布当天（UTC 时间 10 月 28 日 17:23）的确认 Carbon 以 59 分登顶 Intelligence Index v5，高于 Claude Opus 5.5 的 58 分与 GPT-6 Astra 的 57 分，并在 9 项分项评测中的 4 项排第一。同一份评测也划出了边界：编码代理（Coding Agent Index）上 Carbon 得 59 分，落后 Claude Code 搭配 Opus 5.5 的 62 分；AA-Omniscience 上准确率较 Argon 升到 58%，幻觉率却从 4% 涨到 11%；单任务成本 7.76 美元，比 Opus 5.5 低约 23%，但高于 GPT-6 Astra 的 6.25 美元。AA 还写明：Carbon 正向选定用户推出，尚未公开可用。
价格口径也有差别。Google 公布的每百万输入 token 2 美元、输出 10 美元，是和 Argon 一样的五折发布价；AA 的图表按 4 美元与 20 美元的标准价计算，并指出这一折扣没有确认的截止日期。
Google 官方账号在当天稍晚的中转引了 AA 的结果，称 Carbon 在 Intelligence Index v5 得 59 分、较 Argon 高 9 分，在复杂推理、知识与科学任务上领先。
批评在发布当天就出现了。研究员 Nathan Lambert（Interconnects 作者、前 Ai2 Olmo 联合负责人）在 ：「每次我想试用 Gemini 模型都不公开。如果不能使用，就别发布分数。」
发布三天后，分数与可用性之间的缺口没有变化：WANDR 的数字没有独立复核渠道，Carbon 的大规模独立检验要等访问扩大，Google 也没有给出向更多用户开放的时间。可以核验的下一步，是 Srinivas 承诺的 Pro/Max 上线是否兑现。