Gemini 4 Carbon 面向编程与网络防御

Gemini 4 Carbon 的看点，是 Google 把长时间自主编程、漏洞发现和修复放进了同一个模型目标里。据 MarkTechPost 转述，它拿到了 Artificial Analysis Intelligence Index v5.0 的第一名，但目前先向经过审核的网络防御人员开放，普通开发者还不能直接调用。

对前端和全栈开发者，这条消息值得看的是评测透露出的能力方向：模型能否持续处理复杂工程，能否验证漏洞并提交可靠补丁。同时，排名、内部实验和实际可用性，需要分开判断。

Carbon 想接手的是持续数天的工程任务

Carbon 是 Gemini 4 系列的第二个模型，前一个是 Gemini 4 Argon。按原文转述，Google 内部团队曾让 Carbon 围绕单个任务运行数天，处理大型代码库和底层系统中的隐蔽缺陷，完成根因定位与修补。

这里的长周期代理编程（long-horizon agentic coding），可以理解为模型需要持续推进一项工程任务：调查代码、验证判断、修改实现，再根据结果继续处理。难点不只是生成代码，还包括长时间维持正确的任务方向。

Google 也针对全栈 Web 开发和多模态理解做了优化。Carbon 在 WebDev Arena 上提高了 89 Elo，以 1769 分排到第 4。不过，原文没有提供具体任务、运行成本和人工介入记录，无法据此推算普通团队能节省多少开发时间。

模型规格也留着空白。Carbon 的参数量、上下文窗口和最大输出都没有披露；Argon 的上下文是 1,048,576 tokens，不能直接套给 Carbon。它只由 Google 托管，没有开放权重、自托管或量化版本。

榜单很强，但不同工作仍有不同赢家

原文称，Carbon 在包含 Argon、GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1 的 17 项公开评测中领先 15 项。Artificial Analysis Intelligence Index v5.0 上，这五个模型依次得到 59、50、57、58、49 分。

具体到编程，差距并不一致：

评测	Carbon	对照结果
Terminal-Bench 4.0（AA）	65.2%	Opus 5.5 为 59.6%
SWE-sweep	9.6%	GPT-6 Astra 为 9.5%
FrontierSWE	61.2%	GPT-6 Astra 为 65.5%
OSWorld-2.1	81.5%	Opus 5.5 为 87.2%

SWE-sweep 上仅领先 0.1 个百分点，原文没有给误差范围，不能据此断言存在稳定优势。FrontierSWE 和 OSWorld-2.1 则说明，软件工程任务与计算机操作任务仍有其他赢家。

最突出的结果来自 GraphWalks：在 256K 到 1M tokens 的任务中，Carbon 的 BFS F1 为 96.2%，Argon 为 84.2%，GPT-6 Astra 为 71.8%。这支持它在该类长上下文图遍历任务上表现更强，但不能直接等同于它能可靠理解任何百万 token 代码库。

其他成绩包括 Agents’ Last Exam v1.1 的 77.4%、Vending-Bench 2 的最终银行余额 $16,484，以及 RiemannBench 的 80.0%。

这些分数需要连同评测条件一起看：Carbon 使用最高思考设置，对手成绩多数由各厂商自报。

原文没有给出统一预算下的耗时、token 消耗和重复运行结果，榜单暂时回答不了日常开发中的性价比问题。

安全能力为什么要看「发现、验证、修复」整条链

Carbon 的安全定位覆盖完整防御流程。发现可疑代码之后，要确认漏洞能否成立，再判断补丁是否有效，单看其中一步容易高估可交付能力。

原文列出了三个对应成绩：

• 发现漏洞的 SEC-bench Pro 为 88.2%，GPT-6 Astra 为 85.4%，Argon 为 83.4%。
• 漏洞利用的 ExploitGym 为 54.8%，GPT-6 Astra 为 42.4%，Opus 5.5 为 34.5%，Argon 为 42.0%。
• 修补漏洞的 Collinear CWE-bench 为 71.0%，Argon 和 GPT-6 Astra 均为 68.0%。

这些安全评测是在没有护栏的条件下进行的。SEC-bench Pro 和 ExploitGym 由 Google 使用 Antigravity 评测框架计算，ExploitGym 还关闭了缓解措施。因此，分数描述的是特定测试条件下的能力，不能直接视为上线服务的实际表现。

另外几项属于机构报告：Google 称安全代码生成成功率超过 Argon 的 2 倍；Chrome 团队称高质量补丁表现超过另一家实验室模型的 10 倍；Wiz 报告它领先自家的 Web 渗透测试评测。原文没有交代完整样本、对手身份和复现方法，这些结论还需要更多证据。

安全约束方面，Carbon 延续了 Argon 的训练、实时滥用防御、提示注入抵抗和思维链监控。Google 报告，Terminal-Bench 4.0 的成功作弊率降至 0.0%，作弊尝试率为 0.4%；内部在线编程的高严重性失准告警减少近 80%；无依据断言约减半，越界行为和服务不足分别下降 26%、29%。Gray Swan 间接提示注入评测的攻击成功率，则从 Argon 的 0.7% 降至 0.0%。

这些仍是内部或自行运行的数据，原文明确说尚无独立复现。测得 0.0%，也不代表面对所有攻击都不会失败。

我的判断

我认可把长任务编程与漏洞修复放在一起评估。工程价值最终落在可验证的修改上，发现问题只是起点。Carbon 的结果提供了值得继续观察的信号。

但目前材料支撑的是「若干评测领先」，尚不足以支撑「普通团队应该替换现有模型」。数天任务的完整记录、补丁回归情况、人工接管次数和总成本都没说清。内部数倍提升虽然给出了对照比例，仍缺少足够细节供外部复核。

可用性也是现实边界。按报道，首批只向部分网络防御人员开放，后续通过 Fairwind Program 覆盖政府、关键基础设施运营方和核心技术平台；普通开发者、企业及消费者的开放日期未定，Google 还在参与美国政府自愿性质的发布前测试。

价格为每百万输入、输出 tokens 分别 $2、$10，与 Argon 的入门价一致；缓存输入优惠 95%，入门期后涨至 $4、$20。对照表中，GPT-6 Astra 与 Fable 5.1 为 $10/$50，Opus 5.5 为 $4/$20。但缺少每项任务的实际消耗，不能只看单价认定更便宜。

对国内团队，原文也没有说明地区可用性和申请条件。现阶段，把它列为观察对象，比围绕它制定近期交付计划更合理。

能拿来做什么

• 评估日常 AI 编程工具时，选取真实仓库中的完整修复任务，记录定位、修改、验证和人工接管过程，补上榜单没有提供的工程证据。
• 处理前端或 Node 项目的安全问题时，把发现线索、验证问题和检查补丁分成明确步骤；涉及漏洞验证的操作应限定在授权环境内。
• 比较长上下文模型时，检查它能否追踪跨文件依赖、找到实际调用路径并解释修改影响，不要只按上下文容量选型。
• 当前继续使用已能调用的 Gemini API、OpenAI API 或 Claude API，同时关注 Carbon 的公开接入日期和实际任务成本，等条件明确后再做迁移评估。