Gemini 4 Carbon发布登顶榜单 普通用户暂无法使用

谷歌旗下Google DeepMind于10月29日发布新一代旗舰模型Gemini 4 Carbon。据官方公布的数据，该模型在Artificial Analysis Intelligence Index v5.0榜单中取得59分，超过Claude Opus 5.5与GPT-6 Astra，位列全球大模型第一。

榜单数据显示，10月27日Artificial Analysis刚升级至Intelligence Index v5.0，该指数覆盖知识工作、编程、科学和通用推理四大领域，各占25%权重，其中60%的评测采用私有测试数据或隐藏答案。新版榜单发布时，Claude Opus 5.5以58分居首，GPT-6 Astra以57分排名第二，GPT-6.1 Sol以55分位列第三。Gemini 4 Carbon的59分较上一代Argon高出9分，并以1分优势超过Claude Opus 5.5。Arena.ai的榜单显示，Gemini 4 Carbon（High）在Text Arena排名第一、Agent Arena排名第二、Code Arena WebDev排名第四。

在工程任务方面，谷歌表示Gemini 4 Carbon可连续运行数天，处理大型代码库与底层系统中的复杂问题，遇到障碍时能持续寻找其他方案，最终定位并修复隐蔽缺陷。网页开发上，该模型在WebDev Arena的Elo评分提升89分至1769分，排名第四。谷歌称，希望其从编程助手转变为能承担复杂工程任务的自主Agent。

网络安全是此次更新的重点方向。在SEC-bench Pro测试中，Gemini 4 Carbon取得88.2%，考察在真实软件中自主发现复杂漏洞的能力；ExploitGym测试为54.8%，考察漏洞可利用性的验证；Collinear的CWE-bench测试为71.0%，考察针对问题生成代码修复方案的能力。谷歌称三项成绩均处于领先水平，且是在未启用安全防护限制的条件下测得。谷歌内部测试显示，其安全代码生成成功率超过Argon的两倍；Chrome团队发现其生成高质量安全补丁的表现比另一家实验室的前沿模型高出十倍以上，但未披露对比对象；谷歌云安全平台Wiz也观察到Carbon在网络应用渗透测试中取得领先成绩。

可靠性方面，在Terminal-Bench 4.0测试中，Carbon成功作弊比例降至0.0%，尝试作弊比例仅为0.4%，任务准确率有所提升。实际编程环境中，高严重程度的行为不一致警报减少近80%，缺乏证据支持的断言减少约一半，越权行动和未充分完成任务的情况分别下降26%和29%。在Gray Swan的间接提示词注入测试中，Carbon将攻击成功率从Argon的0.7%降至0.0%。有Hacker News网友认为，减少AI在执行任务时的投机取巧，可能是提升前沿模型实用性的重要进步。

使用范围方面，Gemini 4 Carbon本周将首先提供给部分网络安全防御人员，再通过Fairwind Program逐步扩大至可信合作伙伴。谷歌还在参与美国政府自愿开展的模型发布前测试，普通开发者和消费者的可用时间尚无明确时间表。价格沿用Argon首发定价，每百万输入Token收费2美元、输出Token收费10美元，缓存输入优惠95%；推广期结束后标准价格调整为输入4美元、输出20美元。

这一安排在Hacker News引发讨论。有网友表示反感谷歌提前宣布新模型却迟迟不开放，也有网友称已懒得点开谷歌的模型发布链接，因为产品往往暂时用不上。报道同时提到，模型能否进入真实工作环境、创造持续价值，仍需等用户实际使用后才能判断。