Gemini 4 Carbon开放使用：谷歌押注深度推理与多智能体协作

导语

Google DeepMind宣布Gemini 4 Carbon正式开放。与面向大多数软件开发和知识工作的Gemini 4 Argon不同，Carbon被定位为更高难度的“深度推理”模型：它愿意消耗更多token，进行更长时间的分析、反复验证和工具调用，目标是处理复杂编程、开放式科学研究、企业数据分析以及网络安全等任务。

目前，Carbon已通过API、Google AI Studio和面向企业的Gemini服务提供给付费开发者与企业，初始价格与Gemini 4 Argon相同，即每百万输入token 2美元、每百万输出token 10美元。Google AI Ultra用户还可在Google Antigravity、Gemini应用和Search中的AI Mode体验该模型。

核心要点

• 定位更偏向复杂任务。 Carbon并非简单替代Argon，而是面向多步骤编码、跨系统调试、架构重构和开放式研究等需要持续推理的场景。
• 强调智能体协作。 Google Antigravity预览中的/swarm功能，可以把一个提示拆分给多个智能体。Carbon负责架构设计、协调和审计等高难度角色，其他模型则并行处理具体工作，并由验证智能体检查结果。
• 覆盖多模态知识工作。 谷歌称Carbon能够处理包含图表、图片、工程图、表格和密集文本的资料，并生成结构化报告、演示文稿和电子表格。其与Artificial Analysis合作推出了Multimodal Knowledge Agent评测，用于衡量模型在真实文件和工具流程中的表现。
• 网络安全是重点方向。 在Google披露的Fairwind计划和Project Fortify测试中，Carbon被用于漏洞扫描、分流、利用验证和补丁生成。谷歌还表示，它在开源代码测试中发现了一批Argon未能识别的逻辑缺陷。
• 从代码延伸到可运行产品。 官方演示涵盖Three.js 3D重建、浏览器游戏、金融研究、工程可视化，以及从学术论文和历史资料生成互动应用等任务。

如何看待这些成绩

Carbon的主要价值不只是单轮问答的准确率，而是把模型放进一个持续运行的工作流：读取大量资料，制定计划，调用工具，生成中间产物，再通过测试或其他智能体进行审查。对软件团队而言，这种机制有望减少从需求到可运行原型之间的人工衔接；对企业而言，它更适合处理跨文档、跨格式和需要严格输出结构的工作。

不过，当前披露仍主要来自Google及其合作方，部分指标属于预发布评测或内部基准，不能直接等同于所有真实生产环境中的效果。Carbon使用更多token也意味着延迟、上下文管理和实际成本仍需结合任务评估。尤其在网络安全领域，模型既可能帮助防守方发现并修复漏洞，也可能降低漏洞利用门槛，因此权限控制、人工复核和隔离执行环境仍不可缺少。

总体来看，Gemini 4 Carbon代表Google将竞争重点从“更快回答”推向“更长时间完成复杂工作”。它能否真正改变企业开发和研究流程，最终取决于稳定性、可追溯性、工具生态以及第三方用户的长期验证，而不只是发布阶段的基准排名。

来源：Google DeepMind