谷歌Gemini 4 Carbon登顶全球第一，14项基准拿下12项冠军

谷歌发布全新前沿模型Gemini 4 Carbon，在多项基准测试中重回全球第一。谷歌官方公布的14项核心基准中，Carbon拿下12项第一；在第三方Artificial Analysis v5.0全球智能指数榜上，Carbon以59分登顶，超过Opus 5.5和GPT-6 Astra。Arena社区盲测中，Carbon以1528分获文本总榜全球第一，Agent总榜全球第二。

目前Carbon尚未全面开放，仅允许“国家级安全防御者”使用。谷歌内部团队称，Carbon可在复杂代码库中连续运行数天，自主排查并修复bug。Chrome安全团队实测显示，其生成高质量漏洞补丁的表现比另一家前沿大模型强10倍以上。价格方面，Carbon维持与Argon相同的引入期价格：每100万token输入2美元、输出10美元，引入期结束时间未定。

实测Demo显示，Carbon在3D场景生成、SVG前端工程细节等方面表现突出，思考耗时比Argon长2至4倍，但完成度更高。Arena能力评测负责人称Carbon比Argon强很多。

Carbon在17项测试中拿下15项第一。AA Index v5.0得59分；Vals Index v2.2以70.4%居首；GraphWalks超长上下文测试达96.2%，远高于GPT-6 Astra的71.8%和Opus 5.5的66.8%；RiemannBench以80.0%领先；Terminal-Bench 4.0达65.2%，Terminal-Bench-Science达64.8%，均列全球第一；Vending-Bench 2得分是Claude Opus 5.5的1.8倍。FrontierSWE 2和OSWorld-2.1离线子集上，GPT-6 Astra与Claude Opus 5.5仍各保有一席优势。Arena Agent榜上Carbon升至全球第二，可引导性指标以+18.6%居首，单次任务成本1.80美元，比第一的Opus 5.5 Max低72%。WebDev Arena中Carbon提升89个Elo积分，进入全球前四。

网络安全方面，SEC-bench Pro找漏洞测试Carbon得88.2%列第一；ExploitGym测漏洞得54.8%，高于GPT-6 Astra的42.4%和Claude Opus 5.5的34.5%；CWE-bench修漏洞首次尝试通过率71.0%，Pass@4达81%。谷歌内部产线测试中，Carbon生成安全代码成功率比Argon翻倍以上。

安全对齐方面，Gray Swan间接提示注入测试中，连续15次诱导下Carbon攻击成功率为0.0%；Terminal-Bench 4.0专项检查中成功作弊率0.0%，尝试作弊率0.4%；内部真实编程环境中高危失调警报下降近80%，无根据断言减半，越界操作与服务缩水率分别下降26%和29%。AA-Omniscience评测中，Carbon幻觉瞎猜率为11.4%，低于Claude Opus 5.5 Max与GPT-6 Astra Max约50%的强行瞎猜率。

由于能力强大，谷歌采取保守发布策略，本周仅向Fairwind名单上少量受信任的网络安全防御者开放，普通用户和独立开发者暂无法使用。