刚刚，Gemini 4 Carbon发布，谷歌重回世界第一 - NBA下注观察

就在刚才，谷歌发布了全新的前沿模型Gemini 4 Carbon，一举夺回了全球第一的位置。

在谷歌官方公布的14项核心基准测试中，Carbon拿下了12项第一。

在权威第三方Artificial Analysis最新v5.0全球智能指数榜上，Carbon以59分登顶全球第一，全面压制了Opus 5.5和GPT-6 Astra。

Arena社区盲测结果同步出炉，它在文本总榜上以1528分位列全球第一，在Agent总榜上排名全球第二。

有影响力的人士感叹：“谷歌完成了年度最精彩的绝地反击！”

有人直言：是不是谷歌已经实现了RSI，才让Carbon表现得如此出色？

遗憾的是，目前Gemini 4 Carbon尚未向公众开放，只允许“国家级安全防御者”使用。

据悉，谷歌内部团队观察到，Carbon在复杂代码库里连续运行数天，自行处理bug、打补丁。

另外，在Chrome浏览器安全团队的实测中，它生成高质量漏洞补丁的表现，直接比另一家前沿大模型强出10倍以上。

令人欣慰的是，Carbon将维持与Argon相同的引入期价格：

每100万token输入：2美元

每100万token输出：10美元

相比于GPT-6 Astra和Opus 5.5，这个价格堪称“白菜价”！但引入期何时结束，谷歌目前尚未确定。

3D实测细节拉满，连续运行数日不掉链子

现在，网络上已经充满了令人惊艳的实测Demo。

有人说，这次看到谷歌重回榜首，简直惊讶得说不出话来。

有人直言：Carbon比所有大模型生成的3D城市都更精美自然。

有测评博主表示，被Carbon做出的黑洞震撼到了。

以下是一个测评合集。

评测博主Lumina让它一次性写出一个带完整光影交互的3D体素风中式宝塔场景。

同一提示词放进四宫格对比，差距很明显。

左上角的Argon塔身单薄粗糙，而右上角的Carbon在多层重檐比例、水面倒影质感与庭院造景层次上全面跃升，完成度直接追平Claude Opus 5.5。

到了经典的SVG鹈鹕骑自行车测试，Carbon把前端工程细节卷出了新高度。

它不仅画出细节满满的鹈鹕，还做出了支持20到100 RPM无级变速的运动学踏频滑块。

点开右下角的**“CAD工程蓝图检视”按钮，整个画面会瞬间切换成深蓝色的X光机械骨骼解剖图**，把鹈鹕腿部关节连杆和齿轮传动比标得清清楚楚。

社区开发者Raphi-2Code也晒出了孔雀开屏动态演示。

多位实测者不约而同地提到，Carbon思考耗时比Argon长了2到4倍，但再也不敷衍了。

Arena能力评测负责人Peter Gostev更是直言：“Carbon比Argon强太多了，我真希望他们当初干脆跳过Argon直接发这一版。”

王者归来：不仅是跑分王，更是全能战士

此前，在OpenAI和Anthropic两家面前，谷歌长期被人唱衰。

但这次Gemini 4 Carbon的诞生，直接把质疑声撕得粉碎。

Carbon在17项测试中，狂揽15项第一。

首先，它展现了综合智力的碾压。

在AA Index v5.0测试中，Carbon拿下59分，超越Opus 5.5和GPT-6 Astra。在Vals Index v2.2中，它同样以70.4%的成绩拿到第一。

其次，它表现出长文本与逻辑的无敌组合。

在GraphWalks（256k到1M超长上下文）测试中，Carbon跑出了惊人的96.2%！作为对比，GPT-6 Astra只有71.8%，Opus 5.5只有66.8%。

这意味着在处理海量信息、跨文档寻找逻辑关联时，Carbon几乎是零失误。

另外，它还是个理科霸主。

在科学和数学领域的RiemannBench测试中，Carbon以80.0%的成绩断层领先，远超竞争对手。

在终端操作与多步编程Terminal-Bench 4.0冲到65.2%，科研终端评测Terminal-Bench-Science拉升至64.8%上，它也双双拿下全球第一。

在模拟长周期自主经营的Vending-Bench 2中，Carbon的得分是Claude Opus 5.5的1.8倍。

当然，具体工程任务的较量仍在继续，例如在FrontierSWE 2和OSWorld-2.1离线子集上，GPT-6 Astra与Claude Opus 5.5仍各自保有一席优势。

在Arena Agent榜单上，Carbon直接跃升至全球第2，把Sonnet 5.5 Max、GPT-6 Astra Max全部甩在身后。

其中，在衡量用户中途改需求或提出异议时模型能否听懂人话、及时掉头的可引导性指标上，Carbon以**+18.6%高居全场第一**。

而单次任务1.80美元的成本，比第一的Opus 5.5 Max低了整整72%。

在Text Arena文本总榜上，Carbon以1528分登顶全球第一；

在WebDev Arena排行榜上，Carbon一举飙升89个Elo积分，杀入全球前四。

连续跑几天几夜的自动化黑客：Chrome实测强出10倍

如果说跑分只是开胃菜，那么Gemini 4 Carbon在网络安全和超长周期代理任务上的表现，才是真正让业界震撼的地方。

谷歌官方博客中用了一个非常特别的描述：“我们的内部团队看到Carbon连续运行了数天，在遇到死胡同后能够自己寻找新路径，以解决大型代码库和底层系统中最隐蔽的bug。”

连续运行数天！自己寻找路径！这完全是一个高度自主的数字员工了。

在网络安全的攻防测试中，谷歌晒出了三个极具代表性的数据，完美对应了安全团队处理漏洞的“找、测、修”三大核心步骤。

第一关，找漏洞：SEC-bench Pro狂砍88.2%

在收录了183个JavaScript引擎真实高危漏洞任务的SEC-bench Pro测试中，Carbon拿到88.2%排名第一，压过GPT-6 Astra（85.4%）与Argon（83.4%）。

第二个，测漏洞：ExploitGym拿下54.8%新高

横跨Linux内核与Chrome V8引擎的ExploitGym，要求模型在真实环境里写出利用脚本验证风险。

安全团队正是靠这一步来决定哪些漏洞需要立刻修复。在这个硬核红队测试中，Claude Opus 5.5只有可怜的34.5%，GPT-6 Astra也才42.4%，而Carbon飙升至54.8%！

第三关，修漏洞：CWE-bench达到71.0%

然而，安全问题看似解决了，人也进不去了。CWE-bench就是要挡住这种伪修复：在覆盖6大语言、73类弱点的120个真实漏洞任务中，原来的攻击必须失效，原有的功能测试也得100%通过。

在这套严苛标准下，Carbon首次尝试通过率达到71.0%（Pass@4达81%），再度拿下第一。

在谷歌内部产线测试里，Carbon生成安全代码的成功率比Argon翻了2倍以上；Chrome核心团队更实测反馈，它生成高质量漏洞补丁的表现比另一家前沿实验室的大模型强出10倍以上。

这就是为什么它被誉为“史上最强网络安全模型”。它一个人，干了一个顶级安全防御团队的活儿。

极致的对齐与安全：不仅是天才，更是个好AI

试想一下，如果Carbon的这种“找漏洞、写攻击代码”的能力落入黑客手里，那将是一场灾难。

谷歌深知这一点，将Carbon打造为**“史上最对齐、最听话的模型”**，为它加上了前所未有的“金钟罩”。

0%的提示词注入成功率！

面对网页与文件里暗藏恶意指令的Gray Swan间接提示注入测试，在连续15次尝试诱导下，Carbon直接交出0.0%攻击成功率的零失守纪录。

这意味着，无论黑客用多么狡猾的语言陷阱、多么复杂的逻辑套娃去诱导，Carbon都无动于衷。

拒绝作弊，终结幻觉

开发者最怕的就是，AI为了交差偷偷抄近路，明明失败了却报一句“大功告成”。

两周前Every团队在测试Argon时就抓了个现行，在38次测试运行中，Argon有17次把必做的代码审查步骤打开又关上，一眼没看代码就假装审查完了。

这次Carbon专门针对“偷懒与耍小聪明”做了大整顿。在Terminal-Bench 4.0专项检查中，Carbon的成功作弊率被压到0.0%，尝试作弊率也降至0.4%。

在谷歌内部真实编程环境中，Carbon触发的高危失调警报骤降近80%，无根据瞎编断言砍半，越界操作与服务缩水率也分别下降26%和29%。

极致的坦诚与透明

在考察知识诚实度的AA-Omniscience评测里，Claude Opus 5.5 Max与GPT-6 Astra Max遇到拿不准的问题时，仍有约50%的概率强行瞎猜，而Carbon把幻觉瞎猜率控制在了11.4%。

这么牛的模型，我们什么时候能用上？

答案是：现在你用不上，甚至大部分企业也用不上。

正因为它太强大，尤其是它那逆天的“挖掘漏洞”能力，谷歌采取了“保守”的发布策略。

当初Argon发布时，至少Google AI Pro订阅用户和付费API开发者还能第一时间尝鲜。但Carbon不同。

本周，Carbon仅仅对“一小部分受信任的网络安全防御者”开放，也就是Fairwind上的名单。

普通用户、独立开发者都被挡在门外。

短短两周，谷歌就用Carbon刷新了Argon刚刚建立的认知。

这种恐怖的迭代速度，让OpenAI和Anthropic感受到压力。

接下来，看另外两家的了。

在AI模型领域，谷歌的这次发布堪比一场精彩的篮球赛事数据逆转，重新夺回了领先地位。

参考资料：

https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

https://deepmind.google/models/gemini/

https://artificialanalysis.ai/models/gemini-4-carbon

https://x.com/arena/status/2115495002998751262

https://x.com/GoogleDeepMind/status/2115489356437651654

https://x.com/petergostev/status/2115495845894226110

https://x.com/LuminaBench/status/2112822997161562600

https://x.com/LuminaBench/status/2112829559158800732

https://x.com/LuminaBench/status/2112830849771004187

本文来自微信公众号“新智元”（ID：AI_era），作者：摩西 Aeneas，36氪经授权发布。