谷歌推出 Gemini 4 Carbon：新前沿人工智能模型凭借安全第一的推出在独立指数中名列前茅

谷歌 DeepMind 的 Gemini 4 Carbon 首次亮相，在人工分析指数中以 59 点位居榜首，比 Argon 晚两周。安全专家在美国审查下获得优先访问权。

谷歌 DeepMind 在发布 Gemini 4 Argon 两周后发布了其最新的前沿人工智能模型 Gemini 4 Carbon。新模型首次在人工智能分析智能指数 v5 中排名第一，得分为 59 分，比 Argon 的 50 分高出 9 分，专为长期运行的自主工程工作而设计。不过，大多数用户将不得不等待：由于其先进的网络安全功能，Carbon 正在接受美国政府的自愿预测试流程，并且最初仅向选定的安全专家开放。如需持续报道最新的 AI 发展，请关注 AI Buzz Wire 随着推出的扩展。

安全第一的推出

Carbon 不同寻常的发布路径反映了该模型在进攻性和防御性网络工作方面的能力。谷歌表示，其能力涵盖整个网络防御生命周期，从检测和验证漏洞到修补漏洞。路透社报道称，该模型有一个明显的网络安全重点，而 Ars Technica 在其标题中直言不讳地说：这是一个“你不能使用”的前沿模型——至少目前还不能，同时它还处于政府对先进人工智能系统的预测试过程中。

谷歌尚未宣布全面发布的日期。然而，定价已经公开：碳的成本与氩相同，在连续两代模型中谷歌的前沿代币费率保持不变。

专为多天自主工作而设计

该公司表示，它设计 Carbon 是为了解决“更困难、长期的工程问题”，这些问题需要持久的代理工作流程。据谷歌称，内部团队连续运行该模型多天，在此期间，它自行解决了死胡同，并处理了复杂的多步骤任务，例如大型代码库和低级软件中的根本原因分析和细微错误修复。

谷歌还报告了基于早期用户反馈的科学推理、多模式理解和全栈网络开发方面的改进。

整体实力强劲，编码仍追赶Claude

基准图像很强大，但还不是一网打尽。在人工智能分析智能指数 v5 上，处于最高推理层的 Carbon 主要通过复杂推理、知识检索和科学任务方面的最高分领先于该领域，在该指数的 9 项单项评估中，有 4 项排名第一。

在代理编码方面，Carbon 仍然落后 Anthropic 的 Claude Opus 5.5 3 分（59 比 62），即使是在 Argon 的 53 分大幅跃升之后。在 WebDev Arena 排行榜上，Carbon 获得了 89 个 Elo 分，达到 1,769 分，排名第四。

独立评估也讲述了类似的故事。评估平台 Vals AI 将 Carbon 以 70.36% 的准确率排名第二，落后于 Claude Sonnet 5.5（70.85%），但领先于 Claude Opus 5.5（70.18%），Argon 以 69.24% 的准确率排名第四。

在Artificial Analysis 的代理知识工作AA-Briefcase 基准上，Carbon 达到了1,609 Elo，比Argon 的1,483 提高了126 点。它仍然落后于 Kimi K3.1 Pro（1,678）、Muse Wonder（1,659）和 Grok 4.7（其 xhigh 设置为 1,638）。

准确度提高，幻觉也提高

人工分析评估的答案准确度从氩气的 48% 上升到碳的 58%。幻觉率从 4% 攀升至 11%——更高，但仍然是排名中第二低的。为了进行比较，根据 The Decoder 报告的人工分析数据，Claude Opus 5.5 和 GPT-6 Astra 在最大推理设置下，在相同的测量中各占 50%。

安全基准：近乎完美的提示注入分数

安全性是谷歌声称其最大的胜利所在。在该公司自己的基准测试选择中，Carbon 在 16 项测试中的 15 项中名列第一，尤其是在长上下文和安全任务方面远远落后于实际情况。

谷歌表示，在 Gray Swan 的间接即时注入基准测试中，Carbon 将 Argon 的攻击成功率从 0.7% 降低到了 0.0%，阻止了测试集中的每一次操纵尝试。 Decoder 警告说，这并不意味着即时注入问题得到解决——测试似乎已经饱和——但结果有助于解释为什么美国官员希望在该模型向公众发布之前对其进行部署前检查。