Google DeepMind 发布 Gemini 4 Carbon，主打网络安全防御与编码

将我们添加为 Google 上的首选来源

Google DeepMind 推出了 Gemini 4 Carbon，这是其迄今为止最强的模型。Gemini 4 Carbon 是 Google 打造的前沿模型，专为长周期智能体编码和网络安全防御而设计。它在更新后的 v5.0 Artificial Analysis Intelligence Index 上以 59 分排名第一。对开发者而言，问题在于访问权限。Carbon 首先面向经过审核的网络安全防御者群体开放，而非公共 API。

TL;DR

规模：参数量和上下文窗口未披露。其前代 Gemini 4 Argon 拥有 1,048,576 token 的上下文。

运行方式：仅由 Google 托管。无开放权重、无自托管、无量化变体。

性能：在 17 项已发布基准中的 15 项上领先 Argon、GPT-6 Astra、Opus 5.5 和 Fable 5.1。

最佳：在 GraphWalks（256K 至 1M token）上取得 96.2% 的 BFS F1，而 Argon 为 84.2%。

最差：在 OSWorld-2.1 上为 81.5%，落后于 Claude Opus 5.5 的 87.2%。

结论：最佳之处：最先进的漏洞发现、利用和修补能力。最差之处：你目前很可能还无法调用它。

什么是 Gemini 4 Carbon？

Carbon 是继 Gemini 4 Argon 之后的第二款 Gemini 4 模型。Google 团队表示，该模型面向艰难、长时间运行的工程工作。内部团队看到 Carbon 在单个任务上运行数天。示例包括在大型代码库和底层系统中对细微缺陷进行根因分析和修补。

TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni_parse_bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助

Google 还针对全栈 Web 开发和多模态理解对 Carbon 进行了调优。在 WebDev Arena 上，Carbon 提升了 89 Elo 分，以 1769 分达到第 4 名。

Gemini 4 Carbon 在基准测试中表现如何？

Google 在其发布文章中发布了 17 行对比。Carbon 以最高思考设置运行。根据 Google 的评估方法，大多数竞争对手的数字由各提供商自行报告。

智能体编码：Carbon 在 Terminal-Bench 4.0 (AA) 上得分 65.2%，领先于 Opus 5.5 的 59.6%。它在 SWE-sweep 上达到 9.6%，略高于 GPT-6 Astra 的 9.5%。在 FrontierSWE 上，GPT-6 Astra 以 65.5% 领先，Carbon 为 61.2%。

计算机使用和知识工作：Carbon 在 Agents’ Last Exam v1.1 上达到 77.4%。在 Vending-Bench 2 上，它最终银行余额为 16,484 美元，为列出的最高值。

长上下文和科学：GraphWalks 是差距最大的项目：96.2% 对 GPT-6 Astra 的 71.8%。Carbon 在 RiemannBench 上也取得 80.0%。

为什么 Carbon 与网络安全相关？

Google 围绕完整防御生命周期来构建 Carbon：发现、验证、修复。网络基准测试是在没有防护措施的情况下评估的。

发现：在 SEC-bench Pro 上为 88.2%，而 GPT-6 Astra 为 85.4%。

利用：在 ExploitGym 上为 54.8%，而 GPT-6 Astra 为 42.4%，Opus 5.5 为 34.5%。

修补：在 Collinear 的 CWE-bench 上为 71.0%，而 Argon 和 GPT-6 Astra 为 68.0%。

Google 使用其 Antigravity 测试框架自行计算了 SEC-bench Pro 和 ExploitGym 分数。ExploitGym 在关闭缓解措施的情况下运行。在内部，Carbon 在生成安全代码方面的成功率比 Argon 高出 2 倍以上。Google 团队表示，Chrome 团队发现 Carbon 在高质量补丁方面比另一家实验室的模型好 10 倍以上。Wiz 报告称 Carbon 在其 Web 渗透测试基准中领先。

Carbon 随附哪些安全变更？

Carbon 保留了 Argon 的分层体系：训练、实时滥用防御、提示注入韧性和思维链监控。Google 报告了多项对齐改进：

在 Terminal-Bench 4.0 上成功作弊降至 0.0%，作弊尝试为 0.4%。

实时内部编码中的高严重性错位警报下降了近 80%。

无依据声明相比 Argon 下降约 2 倍。

越权行为下降 26%，服务不足下降 29%。

在 Gray Swan 的间接提示注入基准上的攻击成功率为 0.0%，低于 Argon 的 0.7%。

这些是 Google 的内部或自行运行的数据。独立复现尚不可用。

开发者如何访问 Gemini 4 Carbon？

对大多数人来说，目前还不能。Google 正在参与美国政府的自愿预发布测试流程。本周，一部分网络安全防御者获得访问权限。更多可信合作伙伴将通过 Fairwind Program 跟进，该计划优先考虑政府、关键基础设施运营商和核心技术平台。开发者、企业和消费者将在稍后获得 Carbon，但未给出日期。

Gemini 4 Carbon 与竞争对手对比

功能Gemini 4 CarbonGemini 4 ArgonGPT-6 AstraClaude Opus 5.5Claude Fable 5.1

参数量未披露未披露未披露未披露未披露

上下文窗口未披露1,048,5761,050,0001M1M

最大输出未披露65,536（1,048,576 长解码）128,000128K128K

输入/输出价格（每 1M）2 美元 / 10 美元（引入价），之后 4 美元 / 20 美元2 美元 / 10 美元（引入价，Google）10 美元 / 50 美元4 美元 / 20 美元（定价）10 美元 / 50 美元（定价）

AA Index v5.05950575849

SEC-bench Pro88.2%83.4%85.4%未披露未披露

ExploitGym54.8%42.0%42.4%34.5%未披露

OSWorld-2.181.5%74.7%80.9%87.2%76.8%

FrontierSWE61.2%55.0%65.5%62.3%56.3%

基准行：Google 发布文章；竞争对手分数大多根据方法自行报告。

关键要点

Gemini 4 Carbon 在 Artificial Analysis Index v5.0 上以 59 分排名第一。

它在 SEC-bench Pro（88.2%）、ExploitGym（54.8%）和 CWE-bench（71.0%）上领先。

GraphWalks 长上下文达到 96.2%，是其最大优势幅度。

Claude Opus 5.5 仍在 OSWorld-2.1 上胜出；GPT-6 Astra 在 FrontierSWE 上胜出。

访问权限首先面向网络防御方开放，价格为每百万 token 2 美元/10 美元。

Asif Razzaq网站 | + 文章简介 ⮌

Asif RazzaqBaseten 发布 joey-1，一个 2B 决策模型，价格为每 100 万 token 0.01 美元

Asif RazzaqPrime Intellect 发布 Prime Mega MoE：可训练的融合 MoE 内核，前向传播速度提升 3.11 倍

Asif RazzaqNVIDIA 发布 Nemotron 3.5 Transcribe：一个开放的 30B MoE 模型，支持 40 种语言转录，约 4B 活跃参数

$uv pip install omni-parse-bench✓文本✓表格✓布局→ 按页评分在 GitHub 上加星→赞助

相关文章更多来自作者

Baseten 发布 joey-1，一个 2B 决策模型，价格为每 100 万 token 0.01 美元

Prime Intellect 发布 Prime Mega MoE：可训练的融合 MoE 内核，前向传播速度提升 3.11 倍

NVIDIA 发布 Nemotron 3.5 Transcribe：一个开放的 30B MoE 模型，支持 40 种语言转录，约 4B 活跃参数