谷歌发布最强模型Gemini 4 Carbon，智能指数登顶榜首

Google 宣布推出新一代前沿模型 Gemini 4 Carbon，号称“最强模型”，在网络安全和长程任务处理能力方面均达到当前最先进水平。Carbon 能连续数天处理复杂任务，不会陷入停滞，也不会为完成任务走捷径，最终交付高质量、可靠的代码。此时距离上一款旗舰 Gemini 4 Argon 发布仅过去两周，Demis Hassabis 称谷歌正在“以闪电般的速度迭代”新模型。

在第三方评测机构 Artificial Analysis 的智能指数 v5.0 中，Carbon 拿到 59 分登顶第一，紧随其后的 Claude Opus 5.5 为 58 分，GPT-6 Astra 为 57 分。Carbon 在漏洞发现基准 SEC-bench Pro 中取得 88.2%，在漏洞利用基准 ExploitGym 中达到 54.8%，在漏洞修复基准 CWE-bench 中达到 71.0%，均确立明显领先优势。

网络安全方面，Carbon 覆盖防御三个关键阶段且均做到 SOTA。寻找漏洞：SEC-bench Pro 88.2%，超过 GPT-6 Astra 的 85.4% 和 Argon 的 83.4%。验证漏洞：ExploitGym 54.8%，大幅领先第二名 GPT-6 Astra 的 42.4%；在 10 小时时限下与 6 小时时限差距很小（54.8% vs 53.5%）。修复漏洞：CWE-bench 71.0%。内部数据显示，Carbon 生成安全代码的成功率比 Argon 提升超过 2 倍；Chrome 团队报告其在生成高质量安全补丁方面比“另一家实验室的大型前沿模型”好 10 倍以上；云安全平台 Wiz 也观察到 Carbon 在 Web 渗透测试基准中表现领先。

长程任务方面，Google 表示内部团队观察到 Carbon 可在大型代码库和底层系统中持续运行数天，完成跨文件根因追溯与补丁生成，遇到死胡同能自主调整策略继续推进。其技术基础之一是长上下文能力显著提升：在 GraphWalks 测试（256k 至 1M token 范围的 BFS F1 评测）中，Carbon 从 Argon 的 84.2% 跃升至 96.2%，领先 GPT-6 Astra 的 71.8% 和 Claude Opus 5.5 的 66.8% 超过 20 个百分点；支持 1M token 上下文窗口，可一次性处理约 1500 页 A4 文档等量信息。

Artificial Analysis 智能指数 v5.0 中，Carbon 总分 59，在 9 项评测中 4 项拿下单项第一（HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA），比 Argon（50 分）提升 9 分。编程方面，Artificial Analysis Coding Agent Index 上 Carbon 搭配 Antigravity CLI（high reasoning）得分 59，落后第一名 Claude Code + Claude Opus 5.5（max reasoning，62 分）3 分；Terminal-Bench 4.0 得分 64%，FrontierCode v1.1 得分 51%，均排名第二；WebDev Arena 跃升 89 Elo 至第四名（1768 Elo）。知识工作方面，AA-Briefcase 上 Carbon（high）得分 1609 Elo，较 Argon 提升 126 点，其中 Presentation 维度跃升 293 Elo 至 1598，Analytical Quality 提升 120 点至 1671，但整体仍落后于 Kimi K3.1 Pro、Muse Wonder 和 Grok 4.7。知识可靠性与幻觉率方面，AA-Omniscience v1.1 上 Carbon 得分 54，领先 Claude Opus 5.5（48）6 分、Argon（46）8 分；准确率从 48% 提升至 58%，幻觉率从 4% 上升至 11%，仍为所有模型中第二低，而 Claude Opus 5.5 和 GPT-6 Astra 的幻觉率均为 50%。科学与数学方面，RiemannBench 80.0%、Terminal-Bench-Science 64.8%，均为当前最高分。成本效率方面，Carbon 完成一项智能指数任务平均成本 7.76 美元，较 Claude Opus 5.5（10.04 美元）低约 23%，约为 GPT-6 Astra（6.25 美元）的 1.2 倍；每任务平均输出 123k token，比 Claude Opus 5.5（173k）少 29%；与同价位 Argon（7.68 美元）成本基本持平，但智能指数高出 9 分。

安全对齐方面，Carbon 延续 Argon 的多层防御体系并进一步强化。作弊率降至 0.0%，Terminal-Bench 4.0 测试中作弊成功率为零，尝试作弊比例仅 0.4%，整体任务准确率仍在提升。在 Gray Swan 的间接提示注入基准测试中（k=15 次攻击尝试），Carbon 成功抵御所有攻击，攻击成功率 0.0%；对比 Argon 0.7%、Claude Opus 5.5 和 Claude Fable 5.1 均为 1.0%、GPT-6 Astra 8.5%、Grok 4.6 高达 51.8%。行为控制层面，Carbon