Google DeepMind 发布 Gemini 4 Carbon，主打网络安全防御与编码

谷歌 DeepMind 推出了其迄今为止最强的模型 Gemini 4 Carbon。Gemini 4 Carbon 是谷歌开发的前沿模型，用于长时程的自主编程和网络安全防御。它在更新的 v5.0 人工智能分析指数中排名第一，得分为 59。对于开发者来说，关键在于访问权限。Carbon 从一群经过审查的网络安全防御者开始，而不是公开的 API。

简而言之

大小： 参数数量和上下文窗口未披露。它的前身 Gemini 4 Argon 的上下文窗口有 1,048,576 个 token。
运行在： 仅在 Google 托管。没有开放权重，没有自我托管，没有量化变体。
性能： 在 17 项已发布的基准测试中，Carbon 在 Argon、GPT-6 Astra、Opus 5.5 和 Fable 5.1 中领先 15 项。
最佳： 在 GraphWalks（256K 到 1M token）上达到 96.2% 的 BFS F1，Argon 为 84.2%。
最差： 在 OSWorld-2.1 上为 81.5%，落后于 Claude Opus 5.5 的 87.2%。
底线： 最佳：最先进的漏洞发现、利用和补丁。最差：你可能还不能调用它。

Gemini 4 Carbon 是什么？

Carbon 是继 Gemini 4 Argon 之后的第二个 Gemini 4 模型。谷歌团队表示，该模型旨在处理复杂的、长时间运行的工程工作。内部团队看到 Carbon 在单个任务上运行数天。例如，包括跨大型代码库和底层系统的根本原因分析和补丁修复。

谷歌还针对全栈 Web 开发和多模态理解对 Carbon 进行了调优。在 WebDev Arena 上，Carbon 获得了 89 个 Elo 分数，达到了第 4 名，得分为 1769。

Gemini 4 Carbon 在基准测试中的表现如何？

谷歌在其发布帖子中发布了一个 17 行的比较。Carbon 在最高思考设置下运行。大多数竞争对手的数字是由每个提供者自我报告的，根据谷歌的评估方法。

自主编程：Carbon 在 Terminal-Bench 4.0 (AA) 上得分 65.2%，领先于 Opus 5.5 的 59.6%。它在 SWE-sweep 上达到 9.6%， narrowly ahead of GPT-6 Astra 的 9.5%。在 FrontierSWE 中，GPT-6 Astra 领先于 Carbon 的 61.2%。

计算机使用和知识工作：Carbon 在 Agents’ Last Exam v1.1 上达到 77.4%。在 Vending-Bench 2 上，它以 16,484 美元的银行余额结束，这是最高的。

长上下文和科学：GraphWalks 是差距最大的一项：96.2% 对比 GPT-6 Astra 的 71.8%。Carbon 还在 RiemannBench 上取得了 80.0% 的成绩。

为什么 Carbon 对网络安全很重要？

谷歌围绕完整的防御生命周期将 Carbon 定位：发现、验证，然后修复。网络安全基准测试在没有护栏的情况下进行评估。

发现： 在 SEC-bench Pro 上为 88.2%，对比 GPT-6 Astra 的 85.4%。
利用： 在 ExploitGym 上为 54.8%，对比 GPT-6 Astra 的 42.4% 和 Opus 5.5 的 34.5%。
补丁： 在 Collinear 的 CWE-bench 上为 71.0%，对比 Argon 和 GPT-6 Astra 的 68.0%。

谷歌使用其 Antigravity harness 自行计算了 SEC-bench Pro 和 ExploitGym 的分数。ExploitGym 在缓解措施关闭的情况下运行。内部数据显示，Carbon 在生成安全代码方面的成功率比 Argon 高出两倍以上。谷歌团队表示，Chrome 团队发现 Carbon 在高质量补丁方面比另一个实验室的模型好 10 倍以上。Wiz 报告说，Carbon 在其 Web 渗透测试基准测试中领先。

Carbon 带来了哪些安全更新？

碳层持续支撑Argon：训练、实时滥用防御、提示注入弹性和思维链监控。谷歌报告了多项对齐进展：

在Terminal-Bench 4.0上成功作弊率降至0.0%，作弊尝试率为0.4%。
实时内部编码中的高严重性对齐警报减少了近80%。
与Argon相比，不支持的声明减少了约2倍。
过度扩展率下降了26%，服务不足率下降了29%。
在Gray Swan的间接提示注入基准测试中，攻击成功率降至0.0%，而Argon为0.7%。

这些都是谷歌的内部或自运行数据。独立复制尚未可用。

开发者如何访问Gemini 4 Carbon？

目前还没有，对大多数人来说。谷歌正在参与美国政府自愿的预发布测试过程。本周，一小部分网络防御者获得访问权限。更多受信任的合作伙伴通过Fairwind计划获得访问，该计划优先考虑政府、关键基础设施运营商和核心技术平台。开发者和企业稍后获得Carbon，但未给出具体日期。

定价与Argon的入门价格相同：每百万输入标记2美元，每百万输出标记10美元。缓存输入打95折。入门期后，价格将上涨至每百万4美元和20美元。

Gemini 4 Carbon与竞争对手

功能	Gemini 4 Carbon	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5	Claude Fable 5.1
参数	未披露	未披露	未披露	未披露	未披露
上下文窗口	未披露	1,048,576	1,050,000	1M	1M
最大输出	未披露	65,536（1,048,576长解码）	128,000	128K	128K
价格（输入/输出，每1M）	$2 / $10入门，然后$4 / $20	$2 / $10入门 (谷歌)	$10 / $50	$4 / $20 (定价)	$10 / $50 (定价)
访问	经过审查的网络防御者，Fairwind	Gemini API	OpenAI API	Claude API	Claude API
AA Index v5.0	59	50	57	58	49
SEC-bench Pro	88.2%	83.4%	85.4%	未披露	未披露
ExploitGym	54.8%	42.0%	42.4%	34.5%	未披露
OSWorld-2.1	81.5%	74.7%	80.9%	87.2%	76.8%
FrontierSWE	61.2%	55.0%	65.5%	62.3%	56.3%

基准行：谷歌发布后；竞争对手得分主要根据方法自我报告。

关键要点

Gemini 4 Carbon在Artificial Analysis Index v5.0中排名第一，得分为59。
它在SEC-bench Pro（88.2%）、ExploitGym（54.8%）和CWE-bench（71.0%）中领先。
GraphWalks长上下文命中率为96.2%，其最大差距。
Claude Opus 5.5仍然在OSWorld-2.1中获胜；GPT-6 Astra在FrontierSWE中获胜。
访问从网络防御者开始，每百万标记2/10美元。

查看谷歌的发布后，评估方法和Fairwind计划页面。此外，欢迎关注我们的Twitter，别忘了加入我们的15k+ML SubReddit并订阅我们的简报。等等！你用Telegram吗？现在你也可以加入我们的Telegram。

需要与我们合作推广您的GitHub存储库OR Hugging Face页面OR产品发布OR网络研讨会等？联系我们

文章谷歌DeepMind推出Gemini 4 Carbon，其网络安全和编码的顶级模型首先出现在MarkTechPost。