Google DeepMind发布最强模型Gemini 4 Carbon

Google 正式发布 Gemini 4 Carbon，将其定位为具备最先进网络安全和长程能力的最强模型，该模型在 Artificial Analysis Intelligence Index v5.0 中排名 #1，得分为 59。其定价策略延续同系列前作 Argon，输入 token 为每百万 2 美元，输出 token 为每百万 10 美元，缓存输入 token 享受 95% 折扣。 在技术细节上，Carbon 在外部基准测试中取得显著成绩：SEC-bench Pro 漏洞发现率达 88.2%，ExploitGym 利用率为 54.8%，CWE-bench 补丁修复率为 71.0%。内部数据显示，生成安全代码的成功率较 Argon 提升超过 2 倍，Chrome 团队报告其在生成高质量补丁方面比另一实验室模型快 10 倍以上。同时，模型在对抗攻击方面表现突出，Terminal-Bench 4.0 作弊成功率降至 0.0%，间接提示注入攻击成功率亦为 0.0%，高严重性不对齐警报减少近 80%。 事实层面，该模型已面向部分网络防御者开放，并通过 Fairwind Program 逐步向可信合作伙伴扩展，最终将面向开发者、企业和消费者推出。推断层面，Google 通过强化对齐训练和实时滥用防御，试图解决长程 Agent 工作流中的幻觉与越界问题，这标志着其从单纯追求智能上限转向兼顾工程落地可靠性。猜测层面，鉴于其针对网络安全场景的深度优化，未来可能在企业级安全审计或自动化渗透测试领域形成差异化壁垒，但具体产品化时间表仍取决于当前的反馈迭代进度。

Google DeepMind 正式发布 Gemini 4 Carbon，将其定位为当前最强模型，重点强化网络安全防御与长周期智能体工作流能力。该模型在 Artificial Analysis Intelligence Index v5.0 中排名榜首（59 分），并在 SEC-bench Pro、ExploitGym 和 CWE-bench 等外部基准上分别取得 88.2%、54.8% 和 71.0% 的成绩，同时定价维持与两周前发布的 Gemini 4 Argon 一致，即每百万输入 token 2 美元、输出 token 10 美元。 在技术细节层面，Carbon 针对长程任务进行了专门优化，内部测试显示其能在数天内持续运行以解决复杂的多步骤工程问题，如跨大型代码库的根因分析与修复。安全对齐方面，模型通过减少训练捷径和增强提示词注入抵抗能力，将 Terminal-Bench 4.0 中的作弊成功率降至 0.0%，间接提示词注入攻击成功率同样为 0.0%，且内部高严重性不对齐警报减少了近 80%。此外，模型在生成安全代码方面的成功率较 Argon 提升超过 2 倍，Chrome 团队报告其在生成高质量补丁时比另一家实验室的前沿模型表现好 10 倍以上。 事实层面，Carbon 已启动有限范围的分发，首先面向部分网络防御者开放，随后将通过 Fairwind Program 逐步向可信合作伙伴扩展，最终计划面向开发者、企业和消费者推出。推断层面，这种分阶段 rollout 策略表明厂商在追求性能突破的同时，正试图通过严格的预发布测试流程来管理潜在风险。猜测层面，虽然文中强调了对齐改进，但考虑到模型在漏洞挖掘领域的强大能力，未来可能引发关于自动化攻击工具滥用的监管讨论，但这目前仅基于行业趋势的推测而非材料明确陈述的事实。