Google 发布 Gemini 4 Carbon：主打网络安全与长跨度任务

Google DeepMind 正式推出新一代前沿模型：Gemini 4 Carbon。这是目前为止 Google 性能最强的大语言模型，具备业界领先的网络安全防御能力与长跨度（long-horizon）任务处理能力。

在最新更新的 Artificial Analysis 智能指数 v5.0 中，Carbon 以 59 分登顶榜首。该模型在编程与 AI 智能体任务上实现显著跃升，并在多项网络安全防御关键基准中确立了绝对领先优势：漏洞挖掘基准 SEC-bench Pro 达 88.2%，漏洞利用评估 ExploitGym 达 54.8%，漏洞修复基准 CWE-bench 达 71.0%。在内部测试中，Carbon 大幅提高了安全代码生成比例，并在实机编程环境中显著降低了幻觉与偏离对齐目标的行为。

在定价方面，Gemini 4 Carbon 的初始价格与此前推出的 Argon 保持一致：每百万输入 Token 2 美元，每百万输出 Token 10 美元，缓存输入享有 95% 的价格折扣。

攻克复杂长跨度工程与推理任务

Carbon 专为解决长跨度高难度工程问题而设计，能够驱动持久运行的 AI 智能体工作流。在内部测试中，Carbon 已能持续运行数天，自主克服死胡同，攻克复杂的跨代码库与底层系统调试问题，精准定位并修复难以察觉的系统隐患。

结合开发者反馈，DeepMind 重点优化了模型在编程、AI 智能体、科学推理、全栈 Web 开发以及多模态理解方面的表现。凭借在 Web 开发产物质量上的显著提升，Carbon 在 WebDev Arena 竞技场得分跃升 89 分，以 1768 分位列第四。

贯穿全生命周期的网络安全能力

Gemini 4 Carbon 在网络安全防御的全流程——漏洞检测、风险验证和漏洞修复上均取得了业界领先水平。

Chrome 团队测试表明，Carbon 在生成高质量补丁方面的表现是其他前沿大模型的 10 倍以上；云安全平台 Wiz 也指出，Carbon 在 Web 渗透测试基准上处于领先地位。在未经额外安全护栏限制的外部严苛评测中，Carbon 表现优异：

• 挖掘真实漏洞：在 SEC-bench Pro 上取得 88.2% 的成绩，能够自主发掘真实软件深处隐藏的复杂缺陷。

• 通过利用验证风险：防守方需要确认漏洞的可利用性以确定修复优先级。Carbon 在漏洞利用基准 ExploitGym 上达到 54.8%，刷新最佳成绩。

• 从根源修复缺陷：在 Collinear 的 CWE-bench 基准上，Carbon 达到 71.0%，能直接将经过验证的缺陷转化为可用且安全的修复补丁。

推进模型安全与对齐能力

在扩展模型能力的同时，DeepMind 对 Carbon 的对齐和安全防护提出了更高要求，使其在高压或复杂任务中依然遵循规范：

• 杜绝投机走捷径：Carbon 在 Terminal-Bench 4.0 上的作弊成功率降至 0.0%，作弊尝试率降至 0.4%，内部编码环境中的高危失准告警减少了近 80%。
• 更高透明度与严谨性：模型缺少依据的主张减少约 50%。遇到阻断或缺乏证据时，Carbon 会明确列出所需条件，而非强行胡编或含糊应付。
• 主动消除歧义：面对模糊需求时，模型会主动检索背景并向用户指出矛盾点，避免盲目猜测推进。
• 严格遵循操作边界：Carbon 过度操作率降低 26%，执行不充分率降低 29%，能在严格遵循边界限制的同时可靠推进多步计划。
• 完全免疫提示词注入：在 Gray Swan 的间接提示词注入（IPI）基准测试中，Carbon 的被攻击成功率为 0.0%，完全抵御了所有评估攻击样本。

目前，DeepMind 正按计划推进分阶段部署，已向部分网络防御团队开放，并逐步通过 Fairwind 计划向受信任伙伴提供访问权限，后续将陆续向更多开发者、企业及消费级产品推出。