谷歌Gemini 4 上新，跑分重回“世界第一”，马斯克都来点赞了

　　美国当地时间10月28日，谷歌正式发布Gemini 4 Carbon。距离前代前沿模型Gemini 4 Argon发布仅仅过去了28天。

　　一个月之内，发布两款前沿模型，谷歌“卷版本”的速度明显上来了。

　　新模型主打长流程(Long-horizon)复杂工程任务和网络安全防御，首发API价格仍保持与Argon相同，输入为每百万Token 2美元，输出为10美元，缓存命中价格为0.1美元。

　　谷歌首席执行官桑达尔·皮查伊表示，公司正按既定节奏定期推出新模型，Carbon在长流程任务和前沿安全防护方面均取得了显著进展。

　　谷歌DeepMind创始人、董事长德米斯·哈萨比斯进一步解释，称团队正以“闪电般的速度”推进技术迭代，将顶尖模型性能与安全研究相结合。

　　马斯克也在皮查伊的帖子下留言评论“令人印象深刻”(Impressive)。

　　不过，谷歌没有公布Gemini 4 Carbon的层参数规模和架构。团队透露，通过后训练(Post-training)、强化学习和智能体环境优化，进一步提升了这款模型处理复杂真实任务的能力。

01 单任务成本下降，智力指数登顶

　　在第三方评测机构Artificial Analysis最新公布的Intelligence Index v5.0榜单中，Gemini 4 Carbon(High)获得59分，超过Claude Opus 5.5的58分和GPT-6 Astra的57分，排名第一。

　　一个月之前，谷歌推出Gemini 4 Argon时，曾凭借53分的成绩短暂登顶;但随后OpenAI的GPT-6 Astra(57分)与Anthropic的Claude Opus 5.5(58分)相继发力实现反超，将谷歌挤下榜首。

　　在Argon于10月13日全面公测仅过去15天后，谷歌便凭借Carbon的59分一举逆袭，同时击败这两个强劲对手，重新夺回了全球大模型综合智力榜的第一宝座。

　　在衡量终端编程和智能体操作能力的Terminal-Bench 4.0测试中，Carbon得分为65.2%，高于前代Argon的57.1%。

　　Carbon在面向长流程软件工程的FrontierCode 2.0及科研自动化等测试中也取得了更好的成绩。

　　定价策略上，Carbon延续了Argon的首发优惠，后续标准价格将调整为输入每百万Token 4美元、输出20美元。此外，谷歌提供了最高达95%的缓存Token 折扣，缓存命中价格仅为每百万Token 0.1至0.2美元。

　　Artificial Analysis测算显示，得益于更强的代码执行能力与更低的重试率，Carbon在运行Intelligence Index综合测试任务时的平均单次成本为7.76美元，比 Claude Opus 5.5(最高10.04美元)低了约23%，有效降低了长流程自动化任务的实际落地成本。

　　更强的代码执行能力和更低的重试率，也进一步降低了复杂自动化任务在实际商业落地中的使用成本。

02 长流程工程能力提升

　　过去，大模型编写代码的边界往往停留在生成单段函数或局部模块。一旦面对大型代码库、复杂的系统漏洞以及跨模块重构等任务，模型容易在多次尝试失败后陷入死循环或幻觉，难以持续推进工作。

　　Carbon增强了长流程智能体工作流能力。谷歌内部团队透露，Carbon在内部环境中可以连续自主运行数天。面对复杂漏洞或架构重构任务，即使遇到瓶颈，也能退回前面的步骤、调整方案并继续探索，直至找到问题根因并完成修复。

　　在评估全栈Web开发质量的WebDev Arena榜单中，Carbon的Elo评分提升89分，达到1768分，排名全球第四。

　　谷歌内部实时编程测试还显示，Carbon的高严重性对齐警报减少近80%，无根据判断的发生率约为Argon的一半。

　　面对含糊不清的指令，Carbon也更倾向于先向用户确认需求、索取证据，而不是直接执行。这些改进有助于提高模型在复杂工程任务中的可靠性。

03 网络安全防御能力取得突破

　　网络安全是Gemini 4 Carbon的另一项重点能力。在漏洞发现、漏洞利用验证和安全补丁修复三个环节，Carbon均取得了较高的测试成绩。

　　在漏洞发现方面，Carbon在SEC-bench Pro测试中得分为88.2%，能够自主识别真实软件中的复杂缺陷。

　　在漏洞利用验证方面，Carbon在ExploitGym测试中得分为54.8%，可协助安全人员验证漏洞是否能够被实际利用，为漏洞修复排定优先级提供参考。

　　第三个环节是安全补丁修复。Carbon在CWE-bench测试中得分为71.0%，能够根据已发现的漏洞生成相应的代码修复方案。

　　谷歌内部报告显示，Chrome团队使用Carbon生成安全补丁时，其效率和成功率超过其他实验室公开前沿模型的10倍。

　　云安全平台Wiz已将Carbon接入其Scan for Good计划，用于自动化Web渗透测试。

04 能力越强，安全门槛越高

　　正是因为Carbon在网络攻防、命令行操作和长流程代码执行上的能力大幅提升，如何确保这一“双刃剑”级别的模型不被滥用，成为了谷歌发布策略中的核心重心。

　　为此，谷歌并没有立即向所有用户全量开放Carbon，而是采取了严密的安全围栏(Guardrails)与分阶段发布策略。

　　目前，谷歌正参与美国政府针对预发布模型的自愿性测试流程。从本周起，Carbon将首先向受信任的顶级网络安全防御人员开放，随后通过谷歌的Fairwind 计划，逐步扩大至特定合作企业及Antigravity内部团队。

　　在防御对抗测试中，Carbon 对间接提示词注入(IPI)攻击实现了0%的被攻击成功率，展现出极强的自身安全抗性。谷歌表示，在继续收集专业防御人员反馈并完善安全防护机制后，才会最终将Carbon引入面向普通开发者和消费者的API及终端产品中。