Google DeepMind 发布 Gemini 4 Carbon，主打网络安全防御与智能体编程

MarkTechPost· Asif Razzaq·2026-10-29 01:48· 2 小时前AI 评分74

Google DeepMind 推出 Gemini 4 Carbon，这是其网络安全防御与编程领域的顶级模型

AI 导读

Google DeepMind 发布 Gemini 4 Carbon，为其迄今最强模型，主打长时程智能体编程与网络安全防御，在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。

正文 · 原文

Google DeepMind 已推出 Gemini 4 Carbon，这是其迄今为止最强的模型。Gemini 4 Carbon 是 Google 的前沿模型，专为长时程智能体编程和网络安全防御而打造。它在更新后的 v5.0 Artificial Analysis Intelligence Index 上以 59 分排名第一。对开发者而言，问题在于访问权限。Carbon 首先面向经过审核的网络安全防御者群体开放，而非公共 API。

TL;DR

规模：参数数量和上下文窗口未披露。其前代 Gemini 4 Argon 拥有 1,048,576 个 token 的上下文。
运行方式：仅由 Google 托管。无开放权重、无自托管、无量化版本。
性能：在 17 项已公布基准测试中，有 15 项领先于 Argon、GPT-6 Astra、Opus 5.5 和 Fable 5.1。
最佳表现：在 GraphWalks（256K 至 1M token）上 BFS F1 达 96.2%，而 Argon 为 84.2%。
最差表现：在 OSWorld-2.1 上为 81.5%，落后于 Claude Opus 5.5 的 87.2%。
总结：最佳之处：在漏洞发现、利用和修补方面达到最先进水平。最差之处：你目前很可能还无法调用它。

什么是 Gemini 4 Carbon？

Carbon 是继 Gemini 4 Argon 之后的第二款 Gemini 4 模型。Google 团队表示，该模型面向困难、长时间运行的工程工作。内部团队看到 Carbon 在单个任务上运行数天。示例包括在大型代码库和底层系统中对细微缺陷进行根因分析和修补。

Google 还针对全栈 Web 开发和多模态理解对 Carbon 进行了调优。在 WebDev Arena 上，Carbon 提升了 89 个 Elo 分，以 1769 分达到第 4 名。

Gemini 4 Carbon 在基准测试中表现如何？

Google 在其发布博文中公布了 17 行对比。Carbon 以最高思考设置运行。根据 Google 的评估方法，大多数竞争对手的数字由各提供商自行报告。

智能体编程：Carbon 在 Terminal-Bench 4.0 (AA) 上得分 65.2%，领先于 Opus 5.5 的 59.6%。它在 SWE-sweep 上达到 9.6%，略微领先于 GPT-6 Astra 的 9.5%。在 FrontierSWE 上，GPT-6 Astra 以 65.5% 领先，Carbon 为 61.2%。

计算机使用与知识工作：Carbon 在 Agents’ Last Exam v1.1 上达到 77.4%。在 Vending-Bench 2 上，它最终银行余额为 16,484 美元，为列出的最高值。

长上下文与科学：GraphWalks 是差距最大的一项：96.2% 对 GPT-6 Astra 的 71.8%。Carbon 在 RiemannBench 上也取得 80.0%。

为什么 Carbon 与网络安全相关？

Google 围绕完整的防御生命周期来构建 Carbon：发现、验证、修复。网络基准测试是在没有护栏的情况下评估的。

发现：在 SEC-bench Pro 上为 88.2%，而 GPT-6 Astra 为 85.4%。
利用：在 ExploitGym 上为 54.8%，而 GPT-6 Astra 为 42.4%，Opus 5.5 为 34.5%。
修补：在 Collinear 的 CWE-bench 上为 71.0%，而 Argon 和 GPT-6 Astra 为 68.0%。

Google 使用其 Antigravity 测试框架自行计算了 SEC-bench Pro 和 ExploitGym 分数。ExploitGym 在关闭缓解措施的情况下运行。在内部，Carbon 在生成安全代码方面的成功率比 Argon 高出 2 倍以上。Google 团队表示，Chrome 团队发现 Carbon 在高质量补丁方面比另一家实验室的模型好 10 倍以上。Wiz 报告称 Carbon 在其 Web 渗透测试基准中领先。

Carbon 随附了哪些安全变更？

Carbon 保留了 Argon 的分层技术栈：训练、实时滥用防御、提示注入韧性和思维链监控。Google 报告了多项对齐方面的提升：

在 Terminal-Bench 4.0 上成功作弊的比例降至 0.0%，作弊尝试比例为 0.4%。
实时内部编码中的高严重性失准警报下降了近 80%。
无依据声明相比 Argon 减少了约 2 倍。
越权行为下降了 26%，服务不足下降了 29%。
在 Gray Swan 的间接提示注入基准上，攻击成功率为 0.0%，低于 Argon 的 0.7%。

这些是 Google 内部或自行运行的数据。目前尚无独立复现结果。

开发者如何访问 Gemini 4 Carbon？

对大多数人来说，目前还不能。Google 正在参与美国政府的自愿预发布测试流程。本周，一部分网络防御人员将获得访问权限。更多受信任的合作伙伴将通过 Fairwind 计划获得访问权限，该计划优先考虑政府、关键基础设施运营商和核心技术平台。开发者、企业和消费者将在稍后获得 Carbon，但未给出具体日期。

定价与 Argon 的 introductory 价格一致：每百万输入 token 2 美元，每百万输出 token 10 美元。缓存输入可享 95% 折扣。introductory 期结束后，价格将上涨至 4 美元和 20 美元。

Gemini 4 Carbon 与竞品对比

功能	Gemini 4 Carbon	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5	Claude Fable 5.1
参数	未披露	未披露	未披露	未披露	未披露
上下文窗口	未披露	1,048,576	1,050,000	1M	1M
最大输出	未披露	65,536（1,048,576 长解码）	128,000	128K	128K
输入/输出价格（每 1M）	introductory 价 2 美元 / 10 美元，之后 4 美元 / 20 美元	introductory 价 2 美元 / 10 美元（Google）	$10 / $50	4 美元 / 20 美元（定价）	10 美元 / 50 美元（定价）
访问方式	经审查的网络防御人员、Fairwind	Gemini API	OpenAI API	Claude API	Claude API
AA Index v5.0	59	50	57	58	49
SEC-bench Pro	88.2%	83.4%	85.4%	未披露	未披露
ExploitGym	54.8%	42.0%	42.4%	34.5%	未披露
OSWorld-2.1	81.5%	74.7%	80.9%	87.2%	76.8%
FrontierSWE	61.2%	55.0%	65.5%	62.3%	56.3%

基准行：Google 发布帖；竞品分数大多根据方法论自行报告。

关键要点

Gemini 4 Carbon 在 Artificial Analysis Index v5.0 上以 59 分排名第 1。
它在 SEC-bench Pro（88.2%）、ExploitGym（54.8%）和 CWE-bench（71.0%）上领先。
GraphWalks 长上下文达到 96.2%，是其最大优势。
Claude Opus 5.5 仍在 OSWorld-2.1 上获胜；GPT-6 Astra 在 FrontierSWE 上获胜。
访问从网络防御人员开始，每百万 token 2 美元/10 美元。

查看 Google 的发布帖、评估方法论和 Fairwind 计划页面。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅我们的新闻通讯。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们了。

需要与我们合作推广您的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等？ 联系我们

文章 Google DeepMind 推出 Gemini 4 Carbon，这是其用于网络防御和编码的顶级模型首次出现在 MarkTechPost。

来源：MarkTechPost · marktechpost.com