Google DeepMind 发布 Gemini 4 Carbon 前沿模型

Gemini 4 Carbon: Our next frontier model

Google DeepMind 发布 Gemini 4 Carbon，定位为最强前沿模型，主打网络安全与长程智能体能力，在 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 取得领先，并以 59 分登顶 Artificial Analysis Intelligence Index v5.0。

官方公布 Gemini 4 Carbon 的安全编码与长程任务成绩和定价，可据此外推其在网络安全防御场景的实际定位。

另外 7 家也报道了正文 · AI 翻译中文原文2026年10月28日

Gemini 4 Carbon 是我们最强的模型，具备最先进的网络安全能力和长时程能力。

您的浏览器不支持音频元素。

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 仍处于实验阶段

今天，我们宣布推出下一代前沿模型：Gemini 4 Carbon，这是我们最强的模型，具备最先进的网络安全能力和长时程能力。

Carbon 在最近更新的 v5.0 Artificial Analysis Intelligence Index 上以 59 分排名第一。它在编码和智能体任务以及网络安全防御关键的几项核心能力上均有显著提升，在漏洞发现 SEC-bench Pro（88.2%）、漏洞利用 ExploitGym（54.8%）和补丁修复 CWE-bench（71.0%）上均取得明显领先。在内部基准测试中，Carbon 在生成安全代码方面带来强劲提升，在我们自己团队的实时编码环境中，它表现出更低的对齐偏差和捏造率。

基于两周前发布的 Gemini 4 Argon，Carbon 展示了我们推进前沿的速度。我们的研究人员与模型携手并进，更快地提升能力，同时同步加强我们的防护措施。

我们采取审慎的发布方式，并积极参与美国政府自愿性的发布前模型测试流程。从本周开始，我们将向部分网络防御者提供 Carbon，并通过我们的 Fairwind Program 逐步向更多可信合作伙伴开放访问。我们将继续收集反馈并迭代防护措施，随后尽快通过我们的产品界面向开发者、企业和消费者提供 Carbon。

Gemini 4 Carbon 将以与 Argon 相同的 introductory price 发布 1 ，即每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 按输入 token 价格的 95% 折扣计价。

Carbon 旨在应对更困难、长时程的工程问题，专为持续性的智能体工作流而构建。在内部，我们的团队已看到 Carbon 连续运行数天，在遇到死胡同时仍能坚持推进，处理复杂的多步骤工程任务，例如在大型代码库和底层系统中对细微缺陷进行根因定位和修补。

基于用户反馈，我们专注于提升模型在多个领域的表现，包括编码、智能体和科学任务，以及全栈 Web 开发和多模态理解。随着 Web 开发中输出和产物的质量提升，Carbon 跃升 +89 elo 分，以第 4 名（1769 分）登上 WebDev Arena。

Gemini 4 Carbon 在网络安全能力上实现重大飞跃。它在网络安全防御全生命周期——漏洞检测、验证和修复——均达到最先进水平。

我们的团队已经在网络防御领域看到了显著收益。在内部基准测试中，Carbon 在生成安全代码方面的成功率相比 Argon 提升超过 2 倍。再举一个例子，Chrome 团队报告称，在生成高质量补丁时，Carbon 的表现比另一家实验室的大型前沿模型好 10 倍以上。我们领先的云安全平台 Wiz 也观察到，Carbon 在网络渗透测试基准上处于领先地位，而这是 Wiz 的 Scan for Good 计划的一项核心能力。

Carbon 在关键的外部基准测试中表现出色（评估时未启用防护措施）：

Gemini 4 Carbon 建立在与 Argon 相同的多层安全与保障体系之上——结合了模型训练、实时滥用防御、提示注入韧性和思维链监控。特别是在模型对齐方面，我们借助 Argon 取得了重大进展，并在我们的安全与保障报告中报告了其以对齐方式行事的倾向。借助 Carbon，我们挑战自己在对齐方面更进一步，并训练模型以正确方式响应复杂或高压任务。

要推动前沿向前发展，就需要快速行动，同时在部署上保持审慎。借助 Gemini 4 Carbon，我们的目标是在软件工程和网络安全防御领域实现有意义的飞跃，同时不牺牲安全性或可靠性。我们迫切希望看到首批网络安全防御者如何使用这一模型，并期待很快将 Carbon 带给开发者、企业和消费者。

来源：Google DeepMind：Blog · deepmind.google