Google甩出全新前沿王炸模型Gemini 4 Carbon，一口氣把全球第一搶了回來！
在Google官方公佈的14項核心基準大表中，Carbon一口氣拿下了12項第一。
在權威第三方Artificial Analysis最新v5.0全球智能指數榜上，Carbon以59分登頂全球第一，全面碾壓 Opus 5.5和GPT-6 Astra！
Arena社區盲測同步放榜，它一舉拿下文字總榜1528分全球第一、Agent總榜全球第二。
大V們讚歎：「Google實現了年度最偉大的絕地反擊！」
有人直言：或許是Google已經實現了RSI，所以Carbon才如此出色？
遺憾的是，目前Gemini 4 Carbon還沒有向所有人開放，只允許「國家級安全防禦者」使用。
據悉，Google內部團隊已經看到，Carbon在複雜程式碼庫裡連續不斷跑上好幾天，自己死磕bug、打補丁。
另外，在Chrome瀏覽器安全團隊的實測中，它生成高品質漏洞補丁的表現，直接比另一家前沿大模型強出10倍以上！
令人欣慰的是，Carbon 將維持和 Argon 相同的引入期價格：
每 100 萬 token 輸入：2 美元
每 100 萬 token 輸出：10 美元
相比於 GPT-6 Astra 和 Opus 5.5，這個價格堪稱「白菜價」！但引入期到什麼時候結束，目前Google還沒定。
3D實測細節拉滿，連肝數日不掉鏈子
現在，網上已經充滿了驚豔的實測Demo。
有人說，這次看到Google重回榜首，簡直驚訝得說不出話來。
有人直言：Carbon比所有大模型生成的3D城市都更精美自然。
有測評博主表示，被Carbon做出的黑洞震撼到了。
以下是一個測評合集。
評測博主Lumina讓它一次性寫出一個帶完整光影互動的3D體素風中式寶塔場景。
同一提示詞放進四宮格對比，差距很明顯。
左上角的Argon塔身單薄粗糙，而右上角的Carbon在多層重檐比例、水面倒影質感與庭院造景層次上全面躍升，完成度直接追平Claude Opus 5.5。
到了經典的SVG鵜鶘騎自行車測試，Carbon把前端工程細節捲出了新高度。
它不僅畫出細節滿滿的鵜鶘，還在做出了支援20到100 RPM無級變速的運動學踏頻滑塊。
點開右下角的「CAD工程藍圖檢視」按鈕，整個畫面會瞬間切換成深藍色的X光機械骨骼解剖圖，把鵜鶘腿部關節連桿和齒輪傳動比標得清清楚楚。
社區開發者Raphi-2Code也曬出了孔雀開屏動態演示。
多位實測者不約而同地提到，Carbon思考耗時比Argon長了2到4倍，但再也不敷衍了。
Arena能力評測負責人Peter Gostev更是直言：「Carbon比Argon強太多了，我真希望他們當初乾脆跳過Argon直接發這一版。」
王者歸來：不僅是跑分王，更是全能戰士
此前，在OpenAI和Anthropic兩家面前，Google長期被人唱衰。
但這次 Gemini 4 Carbon 的誕生，直接把質疑聲撕得粉碎。
Carbon在17 項測試中， 狂攬 15 項第一。
首先，它展現了綜合智力的碾壓。
在 AA Index v5.0測試中，Carbon 拿下 59 分，超越 Opus 5.5 和 GPT-6 Astra。在 Vals Index v2.2 中，它同樣以 70.4% 的成績拿到第一。
其次，它表現出長文字與邏輯的無敵組合。
在 GraphWalks（256k 到 1M 超長上下文）測試中，Carbon 跑出了驚人的 96.2%！作為對比，GPT-6 Astra 只有 71.8%，Opus 5.5 隻有 66.8%。
這意味著在處理海量資訊、跨文件尋找邏輯關聯時，Carbon 幾乎是零失誤。
另外，它還是個理科霸主。
在科學和數學領域的 RiemannBench 測試中，Carbon 以 80.0% 的成績斷層領先，遠超競爭對手。
在終端操作與多步程式設計Terminal-Bench 4.0沖到65.2%，科研終端評測Terminal-Bench-Science拉升至64.8%上，它也雙雙拿下全球第一。
在模擬長周期自主經營的Vending-Bench 2中，Carbon的得分是Claude Opus 5.5的1.8倍。
當然，具體工程任務的較量仍在繼續，例如在FrontierSWE 2 和OSWorld-2.1離線子集上，GPT-6 Astra與Claude Opus 5.5仍各自保有一席優勢。
在Arena Agent榜單上，Carbon直接躍升至全球第2，把Sonnet 5.5 Max、GPT-6 Astra Max全部甩在身後。
其中，在衡量使用者中途改需求或提出異議時模型能否聽懂人話、及時掉頭的可引導性指標上，Carbon以+18.6%高居全場第一。
而單次任務1.80美元的成本，比第一的Opus 5.5 Max低了整整72%。
在Text Arena文字總榜上，Carbon以1528分登頂全球第一；
在 WebDev Arena排行榜上，Carbon 一舉飆升 89 個 Elo 積分，殺入全球前四。
連續跑幾天幾夜的自動化駭客：Chrome實測強出10倍
如果說跑分只是開胃菜，那麼 Gemini 4 Carbon 在網路安全和超長周期代理任務上的表現，才是真正讓業界震撼的地方。
Google官方部落格中用了一個非常特別的描述：「我們的內部團隊看到 Carbon 連續運行了數天，在遇到死胡同後能夠自己尋找新路徑，以解決大型程式碼庫和底層系統中最隱蔽的 bug。」
連續運行數天！自己尋找路徑！這完全是一個高度自主的數字員工了。
在網路安全的攻防測試中，Google曬出了三個極具代表性的資料，完美對應了安全團隊處理漏洞的「找、測、修」三大核心步驟。
第一關，找漏洞：SEC-bench Pro 狂砍 88.2%
在收錄了183個JavaScript引擎真實高危漏洞任務的SEC-bench Pro測試中，Carbon拿到88.2%排名第一，壓過GPT-6 Astra（85.4%）與Argon（83.4%）。
第二個，測漏洞：ExploitGym 拿下 54.8% 新高
橫跨Linux核心與Chrome V8引擎的ExploitGym，要求模型在真實環境裡寫出利用指令碼驗證風險。
安全團隊正是靠這一步來決定那些漏洞需要立刻修復。在這個硬核紅隊測試中，Claude Opus 5.5 隻有可憐的 34.5%，GPT-6 Astra 也才 42.4%，而 Carbon 飆升至 54.8%！
第三關，修漏洞：CWE-bench 達到 71.0%
然而，安全問題看似解決了，人也進不去了。CWE-bench就是要擋住這種偽修復：在覆蓋6大語言、73類弱點的120個真實漏洞任務中，原來的攻擊必須失效，原有的功能測試也得100%通過。
在這套嚴苛標準下，Carbon首次嘗試通過率達到71.0%（Pass@4達81%），再度拿下第一。
在Google內部產線測試裡，Carbon生成安全程式碼的成功率比Argon翻了2倍以上；Chrome核心團隊更實測反饋，它生成高品質漏洞補丁的表現比另一家前沿實驗室的大模型強出10倍以上。
這就是為什麼它被譽為「史上最強網路安全模型」。它一個人，幹了一個頂級安全防禦團隊的活兒。
極致的對齊與安全：不僅是天才，更是個好AI
試想一下，如果 Carbon 的這種「找漏洞、寫攻擊程式碼」的能力落入駭客手裡，那將是一場災難。
Google深知這一點，將Carbon打造為 「史上最對齊、最聽話的模型」，為它加上了前所未有的「金鐘罩」。
0% 的提示詞注入成功率！
面對網頁與檔案裡暗藏惡意指令的Gray Swan間接提示注入測試，在連續15次嘗試誘導下，Carbon直接交出0.0%攻擊成功率的零失守紀錄。
這意味著，無論駭客用多麼狡猾的語言陷阱、多麼複雜的邏輯套娃去誘導，Carbon 都無動於衷。
拒絕作弊，終結幻覺
開發者最怕的就是，AI為了交差偷偷抄近路，明明失敗了卻報一句「大功告成」。
兩周前Every團隊在測試Argon時就抓了個現行，在38次測試運行中，Argon有17次把必做的程式碼審查步驟打開又關上，一眼沒看程式碼就假裝審查完了。
這次Carbon專門針對「偷懶與耍小聰明」做了大整頓。在Terminal-Bench 4.0專項檢查中，Carbon的成功作弊率被壓到0.0%，嘗試作弊率也降至0.4%。
在Google內部真實程式設計環境中，Carbon觸發的高危失調警報驟降近80%，無根據瞎編斷言砍半，越界操作與服務縮水率也分別下降26%和29%。
極致的坦誠與透明
在考察知識誠實度的AA-Omniscience評測裡，Claude Opus 5.5 Max與GPT-6 Astra Max遇到拿不準的問題時，仍有約50%的機率強行瞎猜，而Carbon把幻覺瞎猜率控制在了11.4%。
這麼牛的模型，我們什麼時候能用上？
答案是：現在你用不上，甚至大部分企業也用不上。
正因為它太強大，尤其是它那逆天的「挖掘漏洞」能力，Google採取了「保守」的發佈策略。
當初 Argon 發佈時，至少 Google AI Pro 訂閱使用者和付費 API 開發者還能第一時間嘗鮮。但 Carbon 不同。
本周，Carbon 僅僅對「一小部分受信任的網路安全防禦者」開放，也就是Fairwind上的名單。
普通使用者、獨立開發者都被擋在門外。
短短兩周，Google就用 Carbon 刷新了 Argon 剛剛建立的認知。
這種恐怖的迭代速度，讓 OpenAI 和 Anthropic 感受到壓力。
接下來，看另外兩家的了。 (新智元)