实测谷歌最强推理模型Carbon：从此我可以彻底放弃Claude了

等了大半个月，Gemini 4 Carbon 今天凌晨总算正式放开了。

我看到消息第一时间就冲去升级了 Google AI Ultra。

一方面是盼这个模型盼了太久，前阵子流出的内测评价都在夸它猛，在权威评测 Artificial Analysis 的默认主榜上，它也确实以 58 分拿下了全球第一。

更现实的原因是，最近我实在被 Anthropic 折腾够呛，接连封了我好几个号，干脆彻底放弃它。

正好借今天这个机会，看看谷歌这回能不能稳稳顶上来当主力。

▲ 图：AA 默认主榜上 Carbon 排在首位

今天起，Carbon 正式向 Ultra 订户、企业用户和付费 API 开发者开放（API 名 gemini-4-carbon，支持 100 万上下文），还在 Antigravity 里同步端出了预览版 /swarm 多智能体功能。

官方把同门分工划得很清：日常快活继续找响应轻快的 Gemini 4 Argon，遇上硬骨头再请 Carbon 出山。

▲ 图：官方混编看板：Carbon 总控、Argon 干活

既然大家都夸它各方面都很强，那它最看家的硬本事到底是哪几块？

翻完官方技术报告和早期实测，核心其实就五块：复杂图纸精读、物理规律硬算、三维机械咬合、复杂交互细节，以及多 AI 协同干活。

我就针对这五块能力在本机连跑五场实测，全程一行代码不手改，看看它到底几斤几两。

读死图做出活的上海地铁态势台

第一轮我想测它的高密度图纸视觉精读与空间还原能力，目标是让它做出一套“上海地铁早高峰潮汐客流与封站推演大屏”。

为了防它偷懒调接口，我故意把条件卡死：不给任何经纬度，也不给半行站点数据，只往本地目录丢进下面这张近 2500 像素宽的上海地铁全网高清原图。

▲ 图：直接喂给模型的上海地铁全网原图

换作大多数编程模型，省事的做法都是凭印象画几条横平竖直的假折线，填十几个大站名字交差。

Carbon 没耍这种小聪明。

它在后台默默烧掉 57400 个思考 token，先自己写了一串切图脚本把大图裁成四个象限。

接着又针对人民广场、陆家嘴、徐家汇和龙阳路切出四张微距图逐块认线。

盯着后台日志看到它自己建脚本切小图那一刻，我心里就大概有数了——这干活路数跟老程序员一模一样，看不清先拿放大镜看，绝不瞎蒙。

▲ 图：模型自动切出的四张换乘站微距图

接着它把灰蓝色的黄浦江单独抠成矢量河道，一口气校准了 14 条干线、185 座真实车站和 11 处过江断面，连原图里刚改名的浦东南路、向城路和新开通的康恒路都一字不差。

更稳的是，动笔写网页前，它还自己生成了一张深色叠合图，把提取出的发光轨道盖回原图核对像素偏差。

▲ 图：模型自检生成的 185 站叠合图

确认坐标对齐后，它才写出四份前端代码。

切到早高峰模式点一下四线换乘的世纪大道站触发停运，相邻区段立刻泛起积压红波，右侧面板同步算出三条绕行换乘方案。

▲ 图：世纪大道封站后的红波与绕行方案

放起动态推演，郊区涌向陆家嘴的双向列车光点与跨江负载条全部实时联动。

▲ 图：早高峰列车潮汐流动态推演画面

这轮测完的直观感受很深：它不是在“猜图”，而是真养成了先写工具切图核对、确认无误再动笔的工程习惯。

唯一踩到的坑是首跑想单次吐出五万字节单文件时撞上了流式超时（连同续跑共耗时 42.7 分钟），拆成三百行模块后就一次点亮零报错。

不许画假轨道的木星弹弓

看准静态图纸只是第一步，第二轮我想测它的物理规律推演与三维空间实时计算能力，目标是做一套“三维木星引力弹弓实验室”。

很多人在《流浪地球》里听过引力弹弓，这道理其实特好懂，就跟往迎面开来的高铁车头上扔网球一模一样。

网球砸向静止的墙，弹回来还是原速；

可如果探测器从每秒狂奔 13 公里的木星屁股后面绕一圈被“拽”出去，就能顺走木星的一点公转速度，不费一滴燃料加速冲出太阳系。

反过来要是迎头切入，就会被木星狠狠踩一脚“引力急刹”。

这轮测试不给任何外部图片素材，原素材就是下面这段卡死物理规则的纯文本提示词——明令禁止描预设假弧线，飞船每飞零点几秒往哪偏、快多少，都必须按万有引力公式实时硬算出来。

Carbon 跑了 45.8 分钟交卷（同样经历了单文件改模块化续跑）。

点开“后方切入加速”，探测器擦过木星下方深陷的发光引力漏斗，借力甩出一道漂亮的大拐弯。

▲ 图：探测器擦过三维引力井借力加速

看右侧实时遥测面板，探测器路过木星瞬间拉出一道陡峭的速度阶跃，直接冲破黄色的太阳逃逸线，而右上角用来检验有没有算飘的能量守恒误差，小数点后连着 11 个零纹丝不动。

▲ 图：实时能量误差与日心速率阶跃遥测

这轮结果看着就让人放心：飞船擦着漏斗边缘甩出去、右上角误差纹丝不动，那种算盘珠子颗颗落位的踏实感，跟以前看 AI 画假动画完全是两码事。

它甚至在题目要求的三个预设之外，主动多做了一个借木星极区引力把轨道拧出平面的高阶演示。

纯代码手搓不穿模的陀飞轮

美西天亮后，X 上不少测试者都在晒它的机械几何表现：@kimmonismus 连测 13 题后首推单推子正逆向太阳系仪，@Karmedge 也直言它的机械与电气几何水准压过了 Opus 5.5。

避开别人做过的太阳系仪，第三轮我想测大模型写 3D 最容易露怯的多层机械零件咬合与拆解能力，让它做一套“三维陀飞轮机械表芯与八层拆解台”。

以前让 AI 画 3D 齿轮十有八九都在糊弄：画几个锯齿圆盘各转各的，放大一看齿尖早就撞进对面肉里“穿模”了，一倒转更是直接乱套。

陀飞轮则是机械表里最精密的“悬空心脏”——底下发条放劲，推着几层大小不一的黄铜齿轮加速咬合，卡着最里头的蓝钢游丝一收一放发出“滴答”卡顿。

这轮同样不给任何现成的 3D 零件文件，只喂下面这段纯文本指令，逼它纯靠代码把八层零件一层层“车”出来。

吸取前两轮经验按模块化发下指令后，它只用 15.8 分钟就一次跑通，光思考 token 就烧了 45366 个，全花在算每对大小齿轮隔多远、齿尖怎么对准齿缝上。

切到正交剖面一键拉开，八层零件整整齐齐悬空排开，左右自动弹出互不遮挡的中文零件说明卡。

▲ 图：八层轴向拆解剖面与轮系传动参数

网页跑起来之后，我拽着底下的速度推子从正转三倍速一路拉回倒转，专门盯着齿尖交界处找茬。

来回拉了好几遍，愣是没抓到一处打架重叠的地方，红宝石卡扣一锁一放和游丝呼吸全都丝滑顺畅。

▲ 图：正逆向零穿模啮合与八层爆炸拆解

点评一句这轮的表现：一刻钟纯靠代码敲出这种咬合精度的可拆解表芯，放在半年前真不敢想，它的三维空间几何推算能力确实上了一个大台阶。

同提示词盲测 Carbon 和 Argon

既然官方说日常用 Argon 就够，两款模型 API 单价又一模一样，第四轮我就专门测 Carbon 多烧几倍思考量，到底比 Argon 多换来了什么细节。

我想让它们各自手写一套“网页版电影胶片调色暗房”，带三色轮、色轮外圈明度滑环、S 曲线、分屏对比拉帘和 60 帧实时彩色波形示波器。

两边新建独立会话，喂进去的是一字不差的同一份提示词，以及下面这两张本地测试原片。

▲ 图：同时喂给两款模型的两张测试原片

Argon 干活非常利索，13.6 分钟收工，只花了 8077 个思考 token。

Carbon 则跑了 22.1 分钟，思考 token 用掉 25148 个，正好是前者的 3.1 倍。

先看 Carbon 直出的调色台全貌，拖动中央拉帘对比外滩原片与青橙胶片成片，右上角红绿蓝三色波形随着画面明暗实时跳动。

▲ 图：Carbon 调色台分屏对比与实时示波器

说实话，不放大细看，Argon 交出来的作业也挺能唬人，打个八十分没问题。

可一旦把两边的控件摆在一起抠细节，多花那三倍思考量值不值，一眼就能看明白。

提示词点名要做“色轮外圈明度滑环”，Argon 嫌几何计算麻烦，悄悄在色轮底下塞了一根普通横滑条混过去，S 曲线底板也空空如也。

Carbon 则老老实实算出了三道 270 度同心圆弧外环滑轨，内盘调色偏、外环滑明暗，S 曲线底下还实时叠上了原片亮度直方图。

▲ 图：两款模型的色轮外环与曲线细节对比

盲测结论很实在：写常规业务页面，Argon 又快又省；一旦碰上复杂控件与硬指标，Argon 容易抄近道简化，Carbon 则会老老实实把每处细节抠到位。

7 个 AI 联手演黄浦江灯光秀

压轴第五轮开测前，先用大白话讲讲随 Carbon 同步上线预览版的 /swarm 到底是什么。

以前让 AI 写大项目，都是一个模型从头干到尾，写到后面很容易顾头不顾尾。

/swarm 说白了就是在编辑器里一键拉起一支分工明确的“临时研发小队”：你发一句话需求，系统先派一名“包工头”（总控）把活拆成互不打架的几块，分给几名“开发工友”同时写代码，最后再配一名只许挑刺、绝不许自己改代码的“质检员”（只读验证员）。

全队共用一块留言板对进度，谁没活干就原地休眠，挂着等消息时一分钱 token 都不花。

下面这段来自 Google Antigravity 官方博客的演示画面，展示了它在侧边栏调度小队的过程。

▲ 视频：官方 /swarm 协作看板与派活演示

搞清机制后，第五轮我就专门测这支 AI 小队能不能自己抓出画面翻车并闭环修好，目标是做出“黄浦江夜空 1500 架防撞无人机灯光秀与实时中文排字台”。

这轮同样不给任何外部模型或字体贴图，只发下面这一条 /swarm 指令。

翻开落盘的留言板记录，总控一口气拉起了 7 个智能体。

真正的重头戏出在开跑第 36 分钟，四名开发工友写完 1460 行代码交卷之后。

只读质检员自己拉起本地服务、打开无头 Chrome 截完图，当场揪出两处光看代码绝对查不出来的视觉硬伤：一是江面倒影在仰视机位下辉光过曝成一团白斑，二是空中排字太宽，左边撞上东方明珠、右边蹭上了环球金融中心。

质检员严守规矩一行代码没代改，直接点名两名作者返工，不到 8 分钟修完二次截图过检才签字交货。

▲ 图：7 智能体分工与第 36 分钟验错返工闭环

看最终交付的动态效果，1500 架无人机从中国空间站丝滑变阵，在外滩夜空稳稳排出双层立体的“AI范儿”，江面波纹同步映出清晰不刺眼的彩色倒影。

▲ 图：1500 架无人机变阵与江面彩色倒影

拉开全景看顶部遥测栏，1500 架无人机就位率 100%，最小防撞间距稳在 1.20 米，帧率跑满 60 帧。

▲ 图：排字实拍全景与顶部防撞遥测读数

这轮测完真是治好了我一个老痛点：常让 AI 写前端的人都懂那种憋屈——终端里一行报错都没有，一打开网页画面全糊成一团。

现在有个只看不改的质检员自己开浏览器截图挑刺，省了太多来回贴图返工的口水。

唯一要留神的是 Carbon 干起活来太容易上头，Every 创始人 @danshipper 在 X 上就吐槽它认出 6 项待办后顺手猛干完 15 项，连同事的活都包揽了，狂跑近四个半小时才被叫停——给它派活，必须提前把终点线划死。

连跑三小时只花两成额度，这笔账怎么算？

很多人最关心这么猛烧思考 token，账号配额到底扛不扛得住。

我专门看了一眼后台面板：这五场重活（包含一场双模型盲测和一场 7 智能体协作）我前后挂机折腾了约两个小时，模型累计纯跑时长高达 3.1 小时（187.7 分钟）。

截完下面这张额度图我才彻底松了口气：刚升级的 Google AI Ultra 周额度居然还剩 81%，五场重活折腾下来只耗掉了不到 20%，照这个耐烧程度，月费花得一点不肉疼。

▲ 图：连跑五场重活后 Ultra 周额度仍剩 81%

不过如果你走 API 按量付费，账就得精打细算了。

光上面那场 47.6 分钟的 7 智能体灯光秀，就吃掉了 194.5 万非缓存输入、36 万输出和 1358.7 万缓存读取 token，按当前半价折算约 8.85 美元（恢复原价后 17.70 美元），绝不适合杀鸡用牛刀。

这两天不少人也在拿它跟前天刚发的 Claude Fable 5.2 比。

平心而论，切到烧钱的 High 推理档单拼讨巧的视觉包装感，Fable 5.2 略高一头，但 API 价格直接贵出一倍，再加上账号动不动被封实在没法安心干活；

而 Carbon 把同价的 Opus 5.5 和更贵的 GPT-6 Astra 全压在性价比斩杀线下方。

▲ 图：High 推理档主流模型性价比象限

在模拟真实软件工程的 CursorBench 4.0 上，Carbon 的 High 与 Medium 档直接包揽前两名，单任务不到 10 美元，只相当于第三名 Fable 5.2 Max 开销的零头；Arena 刚发出的智能体账单统计也印证，任务越重，Carbon 比竞品省下的钱越明显。

更有意思的是一个“省钱悖论”：有人为了省思考费切到 Carbon Low 档，结果模型因为想得太浅反复撞墙重来，步数从 71 步暴涨到 124 步，最后单任务账单反而比 High 档更贵。

▲ 图：CursorBench 步数与单任务账单对比

在考察 10 个行业复杂图纸与文档交付的 MKA 基准上，Carbon 同样紧贴在同开销得分最高的帕累托前沿线上，单任务成本不到榜首 Fable 5.2 的五分之一。

▲ 图：MKA 多模态基准胜率与成本分布

眼下最大的红利是 11 月 30 日前的 20 天半价窗口：Carbon 与 Argon 在 API 里同享每百万 token 输入 2 美元、输出（含思维链）10 美元。一过 12 月 1 日单价全部翻倍至 4 美元和 20 美元，且全系无免费层、只支持自动命中的隐式缓存。

▲ 图：20 天半价窗口与 12 月翻倍节点

连测五场之后，它到底强在哪？

一口气把这五场硬仗跑下来，回头看开头那个问题，Gemini 4 Carbon 最拿得出手的本事其实就四条。

它真正学会了“用图像和工具思考”，遇到高密度图纸不再瞎猜轮廓，而是先写脚本切片、叠图自检；

同时空间几何与物理硬算极其扎实，不管是引力借力还是多层齿轮正逆向咬合，都能算得严丝合缝不穿模。

更难得的是它面对复杂需求不抄近道糊弄，多烧的思考量实打实换来了圆弧滑环和底层直方图这类细节；再加上 /swarm 只读质检员补上了浏览器级视觉验收，自己截图抓过曝和撞塔，省去了大量人工返工。

▲ 图：五场实测总结：四大本事与三条铁律

真要把它当主力用顺手，记住三条铁律就够了：长代码按三百行拆模块写防断流，派活前划死终点边界防它顺手越界，日常快活交给轻快的 Argon，遇到硬骨头再让 Carbon 挂帅当总控和质检员。

说到底，换主力工具图的就是个踏实省心。

不用一边写代码一边提心吊胆防封号，给张死图能自己切开认准，派个大活能拉起一队 AI 自己截图验错——测完这五场硬仗，我的结论也很干脆：从此我终于可以放心、彻底地放弃 Claude 了。

趁月底涨价前还有 20 天半价期，手里压着复杂工程的朋友，现在就可以拉它出来溜溜了。

这篇就聊到这儿。要是对你有用，点个赞，也分享给需要的朋友。

Gemini 4 Carbon超过Opus 5.5，登顶AA智能指数

参考资料

01｜Google 官方博客：Gemini 4 Carbon is now generally available
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

02｜Google Antigravity 官方博客：Gemini 4 Carbon and /swarm in Google Antigravity
https://antigravity.google/blog/gemini-4-carbon-in-google-antigravity/

03｜Google AI 开发者文档：Gemini Developer API Pricing
https://ai.google.dev/gemini-api/docs/pricing

04｜Cursor 官方评测：CursorBench 4.0 Leaderboard
https://cursor.com/cursorbench

05｜Artificial Analysis：Multimodal Knowledge Agent (MKA) & Intelligence Index
https://artificialanalysis.ai/evaluations/mka