作者：
Koray Kavukcuoglu, Google DeepMind 高级副总裁兼 Google 首席 AI 架构师
今日，Google 正式向开发者、企业及科研用户推出 Gemini 4 Carbon。作为目前最强大的模型，Carbon 在复杂知识工作、软件工程、网络安全及科学推理等长周期智能体工作流中表现卓越。继 Gemini 4 Argon 之后，Carbon 专为挑战智能极限的任务设计，如多步骤编码调试和开放式科学研究，通过深度推理和扩展验证循环实现技术突破。
在独立基准测试中，Carbon 在 CursorBench 4.0、Perplexity WANDR 及 Zapier AutomationBench 上均位列第一，且单任务成本比次优模型低 2 倍以上。为支持更复杂的项目，Google Antigravity 推出 /swarm 预览版，可将单个提示转化为协同智能体团队，结合 Carbon 的深度推理与其他模型的快速执行能力。目前，Gemini 4 Carbon 已通过 API 和企业版面向付费用户开放，首发体验价与 Argon 相同（输入 $2/百万 token，输出 $10/百万 token）。
更高精度的知识工作、作品生成与数据分析
Gemini 4 Carbon 融合视觉理解、推理及检索功能，能从密集文档中提取洞察，生成精准的电子表格、演示文稿和报告。针对现有基准的不足，Google 联合 Artificial Analysis 推出多模态知识智能体 (MKA) 基准测试。Carbon 在该测试中排名第二，但平均成本仅为第一名模型的六分之一。
在 Hebbia 金融智能体评测中，Carbon 展现出顶尖的深度研究能力；在 Balyasny Asset Management 的通用金融智能基准测试中，Carbon 在 23 个前沿模型配置中位居榜首，涵盖法律、工具使用、数据工程及上下文理解等领域。
“Gemini 4 Carbon 是我们评估过的用于深度金融研究的最强大的模型，它能够构建更清晰、结构更完善的 Excel 模型，并制作更精炼的 PowerPoint 演示文稿。对于尽职调查工作流程而言，这无疑是一次真正的飞跃。”
—— Shanks Salwan
Hebbia 首席应用 AI 工程师
“我们的基准旨在跳出通用能力的范畴，评估金融团队实际开展的工作。Carbon 在涉及复杂上下文和结构化交付物（尤其是图表、代码和表格）的任务中脱颖而出。”
—— Audrey Liu
Balyasny Asset Management 高级 AI 工程师
“Gemini 4 Carbon 的能力远不止于研究。它能从工作场所数据中找到通话摘要、深埋的电子邮件或精确的漏斗数据，并将其转化为针对性的分析和后续方案。在我们的评估中，它在任务完成率领先于我们测试过的所有前沿模型，我们很高兴能将其带给 Glean 的客户，帮助他们应对复杂的多步骤工作。”
—— Thai Tran
Glean AI 产品负责人
改进的智能体编程、全栈开发以及 3D 和 UI 设计
Carbon 在多智能体协作的工程任务中表现优异，包括多包迁移、跨子系统根因排查及架构重构。在 Web 开发中，它能运行“构建并验证”循环，自动从错误中恢复并检查 UI 渲染，从而构建完整的应用程序。其增强的视觉设计和空间推理能力也适用于 3D 游戏开发和创意编程。
“在我们极力想让应用界面与已有 UI 框架保持一致时，我们在下班前给 Carbon 提交了一份需求清单。一夜之间，Carbon 从零开始构建了一个全新的 Rust UI 库，并重写了我们的 OpenCode 桌面应用，还附带了可运行的 Demo。这是一个极其聪明的模型，现在已经成为我们处理最棘手任务时的首选规划模型。”
—— Kit Langton
OpenCode 软件工程师
“Gemini 4 Carbon 是迄今为止应对高难度布料模拟的最佳前沿模型。它对三维空间、物理学以及复杂而微妙的科学决策的深刻理解，使其变得非常可靠。我们使用了 6 天，期间只需极少的人工干预。它不仅提升了我们现有且经过精细调优的软体模拟系统的运行速度，还增强了其仿真保真度。”
—— Andrew Carr
Cartwheel 首席科学家兼联合创始人
“Gemini 4 Carbon 绝对尊重既有的软件代码。在我们 14,000 个测试用例的代码库中，针对 16 个实际存在的程序缺陷，Carbon 实现了 94% 的修复率，且零回归。”
—— Baki Celtik
HubX 人工智能工程师
“我们的游戏角色必须能够倾听、遵循世界规则，并实时执行多步骤计划。在测试中，Carbon 在这方面的表现极其出色。它准确地执行了玩家给出的复杂指令，同时严守世界设定的边界，并能清晰解释为何某些不可能的行动被禁止。这种卓越的判断力让游戏角色真正活了过来。”
—— Brian Tanner
Artificial Agency 联合创始人兼首席执行官
“在我们的测试中，Gemini 4 Carbon 能够将分析严格立足于源内容，随着证据的更新及时调整结论，并在最终的审查中给出明确的建议。这些能力在高度合规监管的环境中尤为宝贵。例如，Carbon 在公共部门相关任务中拿到了 100% 的满分，这进一步增强了我们对其提供准确建议能力的信心。”
—— Yashodha Bhavnani
Box 人工智能产品副总裁
前沿的网络安全能力
Gemini 4 Carbon for cyber 提供端到端的智能安全保护。在 Fairwind 计划中，Carbon 在漏洞发现、利用和修补基准测试中处于领先地位，能够追踪跨系统漏洞串联并生成经验证的修复补丁。
早期测试显示显著成效：
- 在 Google Project Fortify内部基准中，Carbon 实现扫描 100% 召回率和分类排查 95% 准确率。在开源代码库测试中，相较于 Argon 提升了 25% 以上的真实逻辑漏洞挖掘率。
- Google Cloud 安全漏洞研究团队利用 Carbon 确认了一款流行开源软件中的两个高危可利用漏洞，并迅速发布补丁。
- Wiz 团队使用 Carbon 在两小时内发现了两家大型 SaaS 提供商的 0-day 漏洞，将数周的研究时间缩短至一个下午。
“在对内核驱动漏洞研究的受控评估中，Carbon for cyber 则更进一步：它理解驱动程序的约束条件，区分出哪些发现是切实有效的、哪些则不然，并额外挖掘出了 4 个经过核实的漏洞。这就是‘发现问题’与‘可付诸行动的结论’之间的本质区别。”
—— Chris Corde
SentinelOne 首席产品官
“Gemini 4 Carbon for cyber 是我们迄今测试过的得分最高模型之一...其中一个突出表现是：它成功将多个难以利用的漏洞串联起来，伪造成一个管理员会话（exploit）。在我们测试的大多数模型中，几乎没有能完成此项任务的，而 Carbon 却能够稳定解决。”
—— David Slater
Armadin 创始人兼首席架构师
“Carbon for cyber 给我们留下了深刻印象。它能够系统化、有条不紊地梳理庞大且多样化的代码库，并生成深层攻击链，这种能力堪称同类最佳。即使在超长上下文窗口下，该模型的卓越表现也在 Chainguard Harness 中脱颖而出。”
—— Dan Lorenc
Chainguard 创始人兼首席执行官
“将 Carbon for cyber 这种深度推理模型引入网络安全领域，能够帮助防御者深入评估复杂的代码库，并精准判断漏洞是否具备真正的可利用性。我们早期测试表明，Carbon 具备极高水平的精准度，足以协助工程师穿透干扰噪声...”
—— John White
思科高级安全倡议小组总监
更强的科学与数学推理能力
Gemini 4 Carbon 在物理、数学和生命科学领域的推理能力显著提升。药物毒性研究公司 Axiom Bio 已将其生产环境下的科学分析与 AI Agent 全面迁移至 Carbon，以助力开发更安全的药物。Google 研究人员也在 Google Antigravity 中使用 Carbon 加速工作：
- 代码验证：借助 AlphaProof Code 智能体框架，Carbon 在 Lean 语言中生成了数百万行代码，在几周内证明了 Signal 加密协议底层代码的关键安全属性，而这一任务过去通常需数年。
- 酶测定法开发：Carbon 通过识别数据异常诊断湿实验中的隐蔽偏差，改进色谱峰解卷积方法，显著加速了新测定法的开发。
- 蛋白质结构预测：在 CASP17 盲测集中，Carbon 将低同源性蛋白质家族的同源物检索数量平均提高了 40 倍，为构建难以表征区域的结构模型开辟了新途径。
此外，Google 扩大了科学家免费使用计划，允许现有及未来的项目参与者使用 Carbon 模型，申请通道持续开放。
模型安全与保障方面的进展
随着模型能力提升，Google 同步深化安全保障措施，防范智能体滥用并强化模型对齐。
- 降低滥用风险：在模拟网络攻击测试中，Carbon 成功拦截了 99% 的自适应红队智能体攻击路径，单次尝试突破率降至 0.8%（Argon 为 3.1%）。外部测试未发现新的通用“越狱”手段。
- 促进安全交互：在“智能体诚实度基准测试”中，Carbon 通过率高达 92%（Argon 为 70%），能有效拒绝填补缺失数据并指出方法论缺陷。
- 防护提示词注入：Carbon 在 Gray Swan IPI 基准测试中实现了 0% 的提示词注入攻击成功率。Google 正通过自动化红队测试持续推动模型安全迈向更高水平。
数据来源：
¹ 2026 年 11 月 30 日优惠期结束后，将适用每百万输入 token 4 美元及每百万输出 token 20 美元的定价。此定价仅适用于面向公众开放的 Carbon 模型。
