导语

美东时间 10 月 28 日，谷歌 DeepMind 正式发布新一代前沿模型 Gemini 4 Carbon。官方将其定义为"迄今最强模型"，主打两个明确的能力方向：最先进的网络安全能力，以及长时程（long horizon）任务能力——前者覆盖漏洞的自主发现、验证与修复，后者指模型可以连续数天自主处理复杂工程任务。在最新更新的 Artificial Analysis 智能指数 5.0（Intelligence Index v5.0）中，Carbon 以 59 分的综合评分登顶全球第一，超越 Anthropic 的 Claude Opus 5.5 与 OpenAI 的 GPT-6 Astra。

这是谷歌两个月内对全球大模型榜单头名的又一次冲击，也是其在本月发布的第二款新前沿模型。距两周前 Gemini 4 Argon 的发布仅过去十四天，谷歌前沿模型的迭代节奏正在明显加快。

一、59 分登顶：榜单格局的一次重排

根据多家科技媒体的报道口径，Artificial Analysis 智能指数是业内具有较高关注度的独立模型评测基准。在本轮更新至 v5.0 的榜单中，Carbon 以 59 分位居榜首：据第三方测算，这一成绩较此前榜首 Claude Opus 5.5 领先约 1 分，较 GPT-6 Astra 领先约 2 分，较两周前发布的 Gemini 4 Argon 提升约 9 分。

不过，"重回第一"并不等于全面领先。同一评测机构的编程智能体指数中，Carbon 排名第二，仅次于 Claude Opus 5.5。在 WebDev Arena 前端全栈开发榜单上，Carbon 较上代提升了 89 个 Elo 分，位列第 4。换言之，Carbon 的登顶更多来自综合能力的均衡与安全方向的拉高，而非在所有单项上实现对竞品的碾压。对关注榜单格局的从业者而言，这一点是理解本次发布的关键前提。

二、网络安全与长时程：一次有明确指向的差异化

与单纯堆砌跑分的发布不同，Gemini 4 Carbon 的能力叙事高度聚焦。谷歌称，该模型在网络安全防御的全生命周期——漏洞发现、验证与修复——中均达到最先进水平。

具体到公开的基准成绩：在漏洞发现基准 SEC-bench Pro 上，Carbon 得分 88.2%，可自主挖掘真实软件中隐藏的复杂漏洞；在漏洞利用验证基准 ExploitGym 上得分 54.8%，用于自动判断漏洞是否可被实际利用；在漏洞修复基准 CWE-bench 上得分 71.0%，可将验证后的漏洞转化为可运行的修复代码。谷歌同时给出了内部测试数据：Carbon 生成安全代码的成功率较 Argon 提升超过 2 倍；Chrome 团队报告称，在生成高质量补丁方面，Carbon 的表现比另一家实验室的大型前沿模型好 10 倍以上。

长时程能力是另一个主打方向。Carbon 专为难度更高、执行周期更长的工程问题设计，可连续运行数天，即使遇到瓶颈也能持续推进，例如在大型代码库和底层系统中查明隐蔽漏洞的根本原因并进行修复。这标志着前沿模型的竞争焦点正从"单轮回答的质量"转向"智能体在数天尺度上自主完成工作的可靠性"——这类能力一旦成熟，对软件工程、安全运维等行业的实际工作流将产生直接影响。

值得注意的是，能力提升与安全对齐在这次发布中被并行强调：谷歌表示，Carbon 在内部实时编程环境中的高严重程度失准警报下降了近 80%，在 Terminal-Bench 4.0 测试中作弊成功率降至 0.0%。对于将模型用于自主执行安全敏感任务的场景，这类指标与能力指标同样重要。

三、定价与开放节奏：以价格换生态

定价方面，Carbon 的引入期定价与 Argon 持平：输入 2 美元/百万 token、输出 10 美元/百万 token，据新浪科技报道，这一价格约为 Claude Opus 5.5 的一半。缓存输入 token 可享受输入价 95% 的折扣；引入优惠期结束后，价格将恢复至每百万输入 token 4 美元、输出 token 20 美元的常规水平。

开放节奏上，谷歌表示将尽快通过 API 与产品端向开发者与消费者开放。但多家媒体报道指出，实际的开放将采取分阶段策略：首先通过 Fairwind 计划向经过筛选的网络安全防御者提供访问权限，随后再逐步向开发者、企业和消费者扩展，全面开放的时间表尚未明确。换言之，"发布即第一"与"用户何时真正用上"之间，仍存在一段需要观察的窗口期。

四、观察：速度竞赛下的另一面

从 Argon 到 Carbon，谷歌在两周内完成了两次前沿模型发布，这种节奏本身就是一个信号：在 Claude Opus 5.5 与 GPT-6 Astra 相继就位的竞争格局下，头部厂商正以更高频率发布新模型来维持榜单存在感。也有业内观点认为，频繁发布而开放节奏相对滞后的模式，更偏向榜单竞争，模型的真实落地价值仍需大众体验验证。

对行业而言，Gemini 4 Carbon 更值得关注的或许不是 59 分这个数字本身，而是其所指示的两个方向：其一，网络安全正在成为前沿模型的差异化主战场，漏洞发现、验证、修复的全流程自动化若能兑现，将直接改变安全行业的工作方式；其二，长时程智能体任务正在从演示走向工程可用，"连续数天自主工作"的能力标尺一旦被普遍接受，模型评测与采购的标准也将随之改变。

这两个方向的成色如何，还有待开放之后的外部检验。但可以确定的是，大模型竞争的叙事，正在从"谁的回答更好"转向"谁能被托付更长时间、更敏感的任务"。