Sundar Pichai 官宣 Gemini 4 Carbon：Artificial Analysis 指数 59 分、网络安全评测领先，本周先向可信网络防御者开放

北京时间 10 月 29 日凌晨（10 月 28 日 UTC），Google CEO Sundar Pichai 在 X 上宣布推出谷歌的下一代前沿模型 Gemini 4 Carbon，同日刊出介绍文章。Pichai 的帖子以一句话开场：「我说过我们会定期发布模型。」这是继之后间隔约两周推出的又一款前沿模型——Argon 于 9 月 30 日首次亮相，10 月 13 日全面开放。

按，Carbon 在 Artificial Analysis 最近更新的 Intelligence Index v5.0 上以 59 分排名第一，并在三项关键网络安全评测中领先：发现漏洞的 SEC-bench Pro 得 88.2%，漏洞利用的 ExploitGym 得 54.8%，修补的 CWE-bench 得 71.0%。部分可信网络防御者（trusted cyber defenders）自本周起获得访问权限，随后经 Fairwind Program 扩展至更多合作伙伴，之后才更广泛开放。Artificial Analysis 官网的现已列出 59 分这一成绩。

接棒 Argon：对比表里 1 分的领先

「Argon 两周前刚发布，Carbon 展示了我们推进前沿的速度。」Pichai 在中写道，官方博客的介绍文章用了同一口径，把 Carbon 描述为建立在两周前发布的 Gemini 4 Argon 之上。

Argon 于 9 月 30 日； 10 月 13 日发帖确认其全面开放（GA），并称这是谷歌 7 个多月来首款高于 Flash 档的专有模型。半个月后，Carbon 跟进。

根据 Artificial Analysis 官网的说明，Intelligence Index v5.0 由 9 项评测构成，包括 AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2（Hard Subset）和 Terminal-Bench-Science 0.1。Carbon 的已列出 59 分，同时标注「无公开 API」（No publicly available API），与分阶段开放的做法相符。

谷歌博客随附的显示这轮领先有多窄：同一指数上，Claude Opus 5.5 得 58 分，GPT-6 Astra 得 57 分，Gemini 4 Argon 为 50 分，Claude Fable 5.1 为 49 分——Carbon 对第二名的优势只有 1 分。编码方面，官方还给出一个名次：Carbon 在 WebDev Arena 上升 89 个 elo，以 1,768 分排在第 4 位。

网络安全评测：发现、验证、修补三个环节

称，Carbon 在网络安全防御生命周期——漏洞发现、验证、修复——上均达到 SOTA（state-of-the-art，当前最佳）水平。三项外部评测分别对应三个环节：

发现真实漏洞：SEC-bench Pro 得 88.2%，官方描述为「自主挖掘埋藏在真实软件中的复杂缺陷」。
验证可利用性：ExploitGym 得 54.8%。博客解释，防御者越来越依赖模型判断哪些漏洞真的可被利用，以此排定修复优先级。
修补根因：Collinear 的 CWE-bench 得 71.0%，把确认的发现直接变成可用的代码修复。

博客同时注明，这些外部评测是在无防护栏（without guardrails）条件下评估的。谷歌还给出内部测试数字：Carbon 生成安全代码的成功率达到 Argon 的 2 倍以上；Chrome 团队报告，在生成高质量补丁时，Carbon 的表现比另一家实验室的大型前沿模型好 10 倍以上；谷歌旗下云安全平台 Wiz 则观察到 Carbon 在 Web 渗透测试基准上领先，这一能力关联其 Scan for Good 计划。

长程任务与安全防护：一批来自内部测试的数字

长程任务（long-horizon）是 Pichai 帖文中点名的改进，官方称其表现甚至较 Argon 显著提升。博客举例：内部团队已经看到 Carbon 连续运行数天、熬过死胡同，完成跨大型代码库和底层系统的多步工程任务，例如对隐蔽 bug 做根因分析并打补丁。

安全防护方面，Carbon 沿用 Argon 的多层安全栈——模型训练、实时滥用防御、提示注入韧性、思维链监控——并在此基础上继续推进对齐。博客列出的内部测试数字包括：在 Terminal-Bench 4.0 上，作弊成功率降到 0.0%、尝试作弊降到 0.4%，同时整体准确率仍有提升；在与内部团队的真实编码环境中，高严重度对齐告警下降近 80%；无依据论断较 Argon 约减少一半；过度行动（overreach）减少 26%、服务不足（under-service）减少 29%；在 Gray Swan 的间接提示注入（IPI）基准上，攻击成功率从 Argon 的 0.7% 降到 0.0%。

上述长程与安全数字全部来自谷歌内部测试，博客未附第三方复测结果。

开放机制：政府测试流程、Fairwind 规则与介绍期定价

还披露了 Pichai 帖文之外的一处细节：谷歌称正积极参与美国政府自愿的发布前模型测试流程。Fairwind 是 Google DeepMind 面向高优先级防御者的早期访问计划，对象包括政府、医疗机构和电信运营商，目前在全球有超过 650 个合作伙伴。按的说明，部分合作伙伴目前独占使用 Argon，并在其 CodeMender 安全代理中使用；规则只允许授权威胁模拟、逆向工程、恶意软件分析等防御与学术研究用途的双用任务，要求防钓鱼 MFA 等访问控制，禁止合作伙伴分享、转售或转让访问权，并对申请组织做背景调查。

定价与 Argon 一致：介绍期每百万输入 tokens 2 美元、输出 tokens 10 美元，缓存输入按输入价的 95% 折扣计费；补充，介绍期之后将涨至每百万输入 tokens 4 美元、输出 tokens 20 美元——Artificial Analysis 的列出的正是 4 美元/20 美元与 95% 缓存折扣。

Google DeepMind Antigravity 团队的 Varun Mohan 在中给出了产品侧的去向：内部用户很喜欢在 Antigravity 上用它攻克最难的任务，「正因如此，我们会先通过 Fairwind Program 扩大访问，再让它在 Antigravity 中更广泛开放」。

「benchmaxxing」疑虑与第三方的背书

榜首成色随即引来疑问。AI 工程评论账号 Hesamation（约 92,000 粉丝）在中写道：「什么？！Gemini 4 Carbon 在几乎所有这些基准上都击败 Opus 5.5，还『登上 Artificial Analysis V5 榜首』……请千万别是 benchmaxxed。」——benchmaxx 指针对基准刷分。类似疑问也出现在：这些成绩你信吗，还是又是刷榜？

也有第三方评测方的正面背书。基准机构 Andon Labs 在中说，Carbon 登上其 Vending-Bench 2 榜首，是谷歌一年来首次拿到该项目第一。

悬而未决的仍是时间表。官方博客称期待看到首批网络防御者如何使用这款模型；面向开发者、企业和消费者的开放日期，谷歌没有公布，目前只给出 Fairwind 扩展在先、「尽快」在后的次序。

参考链接

Sundar Pichai 的 X 帖文：
Google 官方博客：Gemini 4 Carbon: our next frontier model：
Google 官方博客：Gemini 4 Argon: our next era of frontier intelligence：
Artificial Analysis：Gemini 4 Carbon (High) 模型页：
Artificial Analysis 的 X 帖文（Argon 全面开放）：
Google DeepMind：Fairwind Program：
9to5Google：Google announces Gemini 4 Carbon：
Varun Mohan 的 X 帖文：
Hesamation 的 X 帖文：
Token Gremlin 的 X 帖文：
Andon Labs 的 X 帖文：