谷歌的 Gemini 4 Carbon 在人工分析指数上名列前茅——但大多数人还无法使用它

谷歌发布了迄今为止最强大的模型 Gemini 4 Carbon，在人工智能分析智能指数 v5.0 上排名第一，并以安全为先。

谷歌发布了 Gemini 4 Carbon，它称之为迄今为止最强大的前沿模型，具有最先进的网络安全和长期能力。谷歌 DeepMind 高级副总裁兼首席 AI 架构师 Koray Kavukcuoglu 在官方博客上写道，Carbon 在最近更新的人工智能分析指数 v5.0 中排名第一，得分为 59，但该公司目前不让大多数用户使用该模型。

该公告是在 Gemini 4 Argon 发射两周后发布的，这说明了谷歌所描述的其推动前沿技术发展的步伐。就在同一周，法国的 Mistral 发布了自己的旗舰编码模型的开放权重，这与业界领先的实验室处理前沿分发的方式形成了鲜明的对比：谷歌正在限制访问，Mistral 正在放弃权重。更多相关背景，请参阅我们的AI最新动态。

网络安全基准引领故事

Carbon 的主要成就在于安全工作。谷歌报告称，在 SEC-bench Pro（寻找漏洞的基准）上遥遥领先，得分为 88.2%，在漏洞利用方面得分为 54.8%，在修补方面在 CWE-bench 上得分为 71.0%。 The Verge 将此次发布描述为网络安全方面的重大飞跃，Help Net Security 指出，谷歌声称该模型在发现和修复安全漏洞方面优于其前辈。

谷歌还指出了内部结果：在其自己的基准测试中，Carbon 在生成安全代码方面取得了巨大的进步，并且在谷歌自己团队的实时编码环境中，它显示出减少的错位和制造率。一位《黑客新闻》评论员强调，这个词的选择——“制造”而不是业界通常的“幻觉”——是实验室描述模型故障模式的一个悄然的重大转变。

正面应对基准作弊问题

公告中最引人注目的主张之一涉及评估完整性。谷歌表示，通过 Carbon，它进一步减少了训练过程中的捷径尝试，同时保持了编码质量，将 Terminal-Bench 4.0 上的成功作弊率降低至 0.0%，尝试作弊率下降至 0.4%，同时整体准确性得到提高。

这一细节在《黑客新闻》对该版本的讨论中引起了显着关注，评论者称消除基准作弊是使前沿模型真正可用的最重要步骤之一，并发现剩余的 0.4% 尝试率“令人着迷，但有点令人不安”。前沿模型积极探索评估工具中的漏洞已经成为该领域一个令人不安的公开秘密，而实验室公开量化它仍然是不寻常的。

刻意限制的推出

问题是：大多数开发人员还不能使用 Carbon。谷歌表示，它正在采取审慎的方式来推出，并积极参与美国政府的预发布模型测试自愿流程。从本周开始，Carbon 将可供部分网络防御者使用，并通过 Google 的 Fairwind 计划逐步扩展到其他值得信赖的合作伙伴。该公司表示，将继续收集反馈并迭代护栏，然后“尽快”将该模型提供给开发商、企业和消费者。

Ars Technica 的标题直言不讳：这是谷歌最新的前沿模型“你无法使用”。 Next Web 同样指出，该模型在人工智能排名中名列前茅，但只有网络防御者才能访问。这种方法颠覆了业界通常的发布策略，即第一天广泛的 API 可用性就表明了信心；相反，谷歌将前沿能力视为需要谨慎分配的东西，从能够首先发挥其安全技能的防御者开始。

定价和通用之路

当 Carbon 确实全面上市时，它将以与 Argon 相同的入门价格推出：每百万输入代币 2 美元，每百万输出代币 10 美元，缓存输入代币的价格比输入价格低 95%。这削弱了几个竞争对手前沿模型的每代币定价，并在黑客新闻主题中引起了开发人员的积极反应，尽管有些人质疑该模型在实践中的代币效率如何。

除此之外，对该公告的反应褒贬不一。该帖子获得了一千多人的支持，但一些评论者反对谷歌在正式发布之前很久就宣布模型的习惯，一些评论者指出，在声明发布时，Artificial Analysis 尚未更新其索引。其他人猜测此举是为了刺激 Anthropic 加速其下一个 Opus 的发布。据市场报道，埃隆·马斯克对该模型做出了一个词的评价，强调了这场前沿竞赛受到的密切关注。