Google DeepMind 发布 Gemini 4 Carbon 前沿模型

2026年10月28日

|

Gemini 4 Carbon 是我们最强的模型，拥有最先进的网络安全和长期能力。

您的浏览器不支持音频元素。

听文章

[[时长]]分钟

此内容由 Google AI 生成。生成式 AI 是实验性的

今天，我们宣布下一代模型：Gemini 4 Carbon，这是我们最强的模型，拥有最先进的网络安全和长期能力。

Carbon 在最近更新的 v5.0 版本 人工智能分析指数 中排名第一，达到 59 分。它在编码和代理任务以及网络安全防御的关键能力方面都有显著提升，在 SEC-bench Pro (88.2%) 中领先于发现漏洞，在 ExploitGym (54.8%) 中领先于利用，以及在 CWE-bench (71.0%) 中领先于修补。在内部基准测试中，Carbon 在生成安全代码方面有显著提升，在我们的团队进行的实时编码环境中，它显示了减少错位和捏造率。

基于两周前推出的 Gemini 4 Argon，Carbon 展示了我们推动前沿的速度。我们的研究人员和模型协同工作，更快地提升能力，同时加强我们的安全措施。

我们采取了审慎的发布方法，并积极参与美国政府在预发布模型测试方面的自愿流程。从本周开始，我们将 Carbon 提供给一小部分网络安全防御者，并通过我们的 Fairwind Program 逐步向其他受信任的合作伙伴开放访问。我们将继续收集反馈并迭代护栏，以便尽快通过我们的产品界面将 Carbon 提供给开发者、企业和消费者。

Gemini 4 Carbon 将以与 Argon 相同的入门价格 ¹ 推出，输入令牌价格为每百万美元 2 美元，输出令牌价格为每百万美元 10 美元，缓存的输入令牌价格打 95 折。

改进编码和推理，以应对具有挑战性的、长期的任务

设计用于应对更困难、长期工程问题，Carbon 专为持续的代理工作流程而建。内部，我们的团队看到 Carbon 运行数天以坚持通过死胡同，以解决复杂的、多步骤的工程任务，如在大代码库和低级系统中查找根本原因和修补微妙错误。

基于用户反馈，我们专注于提高模型在各个领域的性能，包括编码、代理和科学任务，以及全栈 Web 开发和多模态理解。通过提高 Web 开发的输出质量和工件，Carbon 跳升了 +89 ELO 分数，达到 #4 (1769) 在 WebDev Arena。

最先进的网络安全性能，以帮助构建安全系统

Gemini 4 Carbon 在网络安全能力方面实现了显著飞跃。它在网络安全防御生命周期——漏洞检测、验证和修复——的各个方面都实现了最先进的性能。

我们的团队已经在网络安全防御方面取得了显著成效。在内部分数排名中，Carbon 在生成安全代码的成功率上比 Argon 高出 2 倍以上。例如，Chrome 团队报告称，在生成高质量补丁方面，Carbon 比另一家实验室的大型前沿模型表现好 10 倍以上。我们的领先云安全平台 Wiz 也观察到，在 Web 渗透测试的基准测试中，Carbon 表现领先，这是 Wiz's Scan for Good 项目的核心能力。

Carbon 在关键外部基准测试中表现出色（无约束条件评估）：

• 发现真实漏洞： 网络安全防御的核心是发现真实漏洞。Carbon 在 SEC-bench Pro 上达到了最先进的 88.2%，自主发现隐藏在现实世界软件中的复杂漏洞。

• 通过利用验证风险： 为了确定首先修复哪些漏洞或是否修复，网络安全防御者越来越多地依赖模型来检查哪些漏洞是可利用的。Carbon 在流行的利用基准测试 ExploitGym (54.8%) 上设立了新的最先进水平。

• 从根源处修复： 在识别漏洞后，修复根源是网络安全防御生命周期中的一个关键步骤。Carbon 在 Collinear 的 CWE-bench 上达到了 71.0%，将验证后的发现直接转换为可工作的代码修复。

推进前沿模型安全与安全

Gemini 4 Carbon 建立在 Argon 相同的多层安全和安全堆栈之上——结合模型训练、实时滥用防御、提示注入弹性和思维链监控。特别是，我们在模型与 Argon 的对齐方面取得了显著进展，并在我们的 Safety and Security report 中报告了其对齐行为的倾向。使用 Carbon，我们挑战自己更进一步对齐，并训练模型以正确的方式应对复杂或高压任务。

• 减少捷径和漏洞利用： 使用 Carbon，我们进一步减轻了训练中的捷径尝试，同时确保了高质量的编码性能。Carbon 将 Terminal-Bench 4.0 上的成功作弊率降低到 0.0%，作弊尝试降至 0.4%——所有这些都在提高整体准确性的同时。在我们的内部团队实时编码环境中，我们观察到高严重性错位警报减少了近 80%。
• 更高的透明度和诚实性： 在我们的内部测试中，Carbon 比 Argon 减少了大约 2 倍的不支持声明。它将方法论上的限制直接放入交付成果中，或使用清晰的列表说明需要哪些内容，而不是围绕缺失的证据编造或含糊其辞。
• 面对不确定性时改进与用户的协作： 与其猜测或强行推进，Carbon 会检索相关来源并将差异展示给用户，然后再采取行动——因此，用户应该会观察到与 Carbon 的协作体验有了很大的改善。
• 不越界地执行： Carbon 同时减少了 26% 的过度延伸和 29% 的服务不足，从而在尊重项目约束和严格保持在范围内的情况下，大大提高了多步计划端到端的可靠执行。
• 抵御提示注入：虽然Argon之前在Gray Swan的间接提示注入（IPI）基准测试中凭借极低的0.7%攻击成功率领先于提示注入的抵御能力，但Carbon达到了0.0%——抵御了所有评估的攻击尝试

即将面向开发者、企业和消费者

推动前沿发展需要在快速行动的同时保持对部署的审慎。凭借Gemini 4 Carbon，我们的目标是实现软件工程和网络安全防御的显著进步，同时不牺牲安全性和可靠性。我们期待看到首批网络安全防御者如何使用此模型，并期待尽快将Carbon带给开发者、企业和消费者。