Gemini 4 Carbon 发布：安全与推理能力登顶但幻觉率上升

Google Deepmind 发布 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 中取得 59 分，超越前代 Argon（50 分）及 GPT-6 Astra，位居榜首。尽管在 Agent Arena 等特定榜单上仍落后于 Claude Opus 5.5，Carbon 在长上下文、科学推理及无防护状态下的安全测试中表现突出，同时保持了与 Argon 相近的每任务成本。

独立评估显示 Carbon 在 SEC-bench Pro 漏洞发现任务中得分 88.2%，领先所有竞品，但在 Vals AI 和 Artificial Analysis 的评测中，其幻觉率从 Argon 的 4% 上升至 11%，准确率提升至 58%。在 WebDev Arena 中，Carbon 排名第四，得分为 1,769 Elo，落后于 Claude Sonnet 5.5。此外，Carbon 在处理复杂金融和法律任务时，生成 token 数量显著增加，导致单次任务平均耗时超过 50 分钟，且 Reasoning tokens 是 Argon 的 2.3 倍。

定价方面，Carbon 维持 $2 per million input tokens 和 $10 per million output tokens 的公开价格，但在引入期享有 50% 折扣。根据 Artificial Analysis 计算，其每任务成本约为 $7.76，比 Claude Opus 5.5 低 23%，略高于 GPT-6 Astra。Google 计划先向网络安全专家开放访问，随后扩展至合作伙伴，最终面向开发者发布。

事实：Carbon 在 AA Index 排名第一，SEC-bench Pro 得分 88.2%，幻觉率升至 11%。 推断：Carbon 在安全领域的优势使其成为企业级应用的首选，但高幻觉率和长耗时可能限制其在实时交互场景的应用。 猜测：随着更多反馈收集，Google 可能会调整安全护栏以平衡性能与安全性。