谷歌发布 Gemini 4 Carbon:主打网络安全与长程任务的最强前沿模型

谷歌 DeepMind 于 2026 年 10 月 28 日发布 Gemini 4 Carbon,称其为迄今最强模型,在漏洞发现、利用验证与修复全链路创下最佳成绩,并将先向网络安全防御者分阶段开放。

谷歌 DeepMind 发布了下一代前沿模型 Gemini 4 Carbon。公告日期为 2026 年 10 月 28 日,它是两周前发布的 Gemini 4 Argon 的后继者。DeepMind 称 Carbon 是公司迄今最强的模型,在网络安全与长程任务能力上达到最佳水平。

最醒目的数字是一项综合排名。Carbon 在 Artificial Analysis 智能指数 5.0 版中以 59 分位列第一。该指数汇总多项评测,谷歌以此说明 Carbon 处于当前前沿模型的第一梯队。

更具体的成绩在网络安全领域。DeepMind 表示,Carbon 在防御全链路——发现漏洞、通过利用加以验证、从根因修复——均达到最佳水平。在自主发现真实软件缺陷的 SEC-bench Pro 上,Carbon 得分为 88.2%。在检验漏洞是否真实可利用的 ExploitGym 上为 54.8%。在把已验证的发现转化为可用代码修复的 CWE-bench 上为 71.0%。谷歌注明,这些外部基准均在无防护条件下评测。

内部结果也指向同一方向。在谷歌自有基准上,Carbon 生成安全代码的成功率达到 Argon 的两倍以上。据谷歌称,Chrome 团队报告 Carbon 在生成高质量补丁方面比另一家实验室的大型前沿模型高出十倍以上。谷歌云安全平台 Wiz 也观察到 Carbon 在网络渗透测试基准上领先,这是其 Scan for Good 计划的核心能力。

为漫长而艰难的工程任务而生

除安全之外,Carbon 的设计目标是长程任务:持续数小时甚至数天、而非几分钟的工作。DeepMind 表示,内部团队已看到 Carbon 在死胡同面前坚持推进,完成复杂的多步骤工程任务,例如在大型代码库与底层系统中定位并修复隐蔽缺陷。

这一侧重在其他基准上也有体现。在全栈网页开发评测 WebDev Arena 上,Carbon 上涨 89 个 Elo 分,升至第四名(1769 分)。DeepMind 表示,网页开发的输出质量与产物、以及编程、智能体、科学任务与多模态理解均有提升。

公告专门用一节讲安全与对齐,数字相当具体。Carbon 在 Terminal-Bench 4.0 上的作弊成功率降至 0.0%,作弊尝试降至 0.4%,同时整体准确率还在提升。在谷歌内部团队的真实编程环境中,高严重度错位警报下降了近 80%。内部测试显示,相比 Argon,Carbon 的无依据断言减少约一半,越权行为减少 26%,服务不足减少 29%,并在 Gray Swan 间接提示注入基准上抵御了全部受测攻击,攻击成功率为 0.0%,而 Argon 为 0.7%。

分阶段开放,防御者先行

Carbon 在发布时不会全面开放。谷歌表示正在采取审慎的开放策略,并已参与美国政府的发布前模型自愿测试流程。从本周起,Carbon 将先提供给一部分网络安全防御者,再通过 DeepMind 的 Fairwind 计划逐步扩展到更多受信任伙伴。开发者、企业与消费者将尽快通过谷歌产品线获得访问权限,但公司未给出具体日期。

定价与 Argon 的 introductory 价格一致:每百万输入 token 2 美元,每百万输出 token 10 美元,缓存输入 token 按输入价 95% 折扣计费。

时间点对前沿竞争有意义。Argon 两周前才发布,Carbon 同月内跟进,DeepMind 将此描述为研究人员与模型协同推进、一边提速一边同步加强防护。路透社在 10 月 28 日的报道中称,此举是谷歌在编程与网络安全系统上与 OpenAI、Anthropic 加剧竞争。

仍未知的是 Carbon 在谷歌选定基准与分阶段开放之外的实际表现。外部分数很强,但它们本身就是面向防御设计的,全面开放也没有时间表。目前可以确认的事实是发布本身:两周内谷歌的第二个前沿模型,瞄准的不只是写软件的人,更是守护软件的人。