Gemini 4 Carbon发布：谷歌把前沿模型推向长期工程与网络安全

Google DeepMind公布了新的前沿模型Gemini 4 Carbon，并将其定位为面向长期、复杂工程任务的高能力模型。与两周前发布的Gemini 4 Argon相比，Carbon的重点不只是提高单次问答质量，而是让模型能够在更长时间内持续执行多步骤任务，在遭遇错误或死路时重新规划并继续推进。

核心表现

• 综合排名提升：Carbon在Artificial Analysis Intelligence Index v5.0中以59分排名第一。
• 网络安全覆盖完整链路：在SEC-bench Pro漏洞发现测试中得分88.2%，在ExploitGym漏洞利用验证测试中得分54.8%，在CWE-bench修复测试中得分71.0%。这些评估均未启用防护限制，因此不能直接等同于真实生产环境中的安全能力。
• 更适合长期编程工作流：DeepMind称，内部团队观察到Carbon可以连续运行数日，处理大型代码库和底层系统中的复杂故障定位与修复任务。其WebDev Arena排名升至第四，分数较此前提升89个Elo点。
• 更重视可靠执行：内部测试显示，Carbon的无依据陈述约减少一半，过度执行减少26%，服务不足减少29%；在内部实时编程环境中，高严重度失调警报下降近80%。

安全与部署策略

Carbon沿用了多层安全体系，包括训练阶段的行为约束、实时滥用防护、抵抗提示注入以及思维链监测。官方还表示，模型在Terminal-Bench 4.0中没有成功作弊，尝试作弊的比例为0.4%；在Gray Swan间接提示注入基准中，测试攻击成功率为0%。这些结果属于厂商披露的评估数据，仍需外部复核和更广泛场景验证。

在网络安全领域，Carbon的价值主要体现在从发现问题、验证风险到生成补丁的连续流程。模型能否把漏洞识别转化为可执行的修复建议，将直接影响其在云安全、软件维护和防御自动化中的实用性。不过，能够自主发现和利用漏洞也意味着更高的双重用途风险，因此Google没有立即全面开放，而是先通过Fairwind计划向部分网络防御者提供访问权限，并根据反馈继续调整防护措施。

Carbon计划沿用Argon的入门价格：每百万输入令牌2美元、每百万输出令牌10美元，缓存输入令牌享受95%的折扣。整体来看，这次发布的看点不只是基准排名，而是模型从短交互工具向长期工程协作者转变的尝试。最终能否兑现承诺，还要看受控测试之外的稳定性、可审计性和真实企业工作流表现。

来源：Google DeepMind