发生了什么

Google DeepMind 发布新一代旗舰模型 Gemini 4 Carbon，距上一代 Gemini 4 Argon 上线仅两周。

榜单位置：

两条主线能力：

一是长时程工程。 Carbon 为连续运行数天的智能体工作流设计，曾在内部连续跑数天，在大型代码库和底层系统中自主定位并修复细微缺陷。

二是网络安全全链条。 三项基准均达 SOTA：漏洞发现 SEC-bench Pro 88.2%、漏洞可利用性验证 ExploitGym 54.8%、根因修复 CWE-bench 71.0%。谷歌内部测试称 Carbon 生成安全代码的成功率是 Argon 的两倍以上；Chrome 团队表示其生成高质量补丁的表现"比另一家实验室的大型前沿模型好十倍以上"；云安全平台 Wiz 称它在 Web 渗透测试基准上领先。

安全对齐数据（这部分比跑分更重要）：

• Terminal-Bench 4.0：作弊成功率降至 0.0%，作弊尝试占比从 Argon 压缩到 0.4%
• Gray Swan 间接提示注入：攻击成功率从 Argon 的 0.7% 降到 0%
• 内部高危严重失准告警：减少近八成
• 无依据的虚构输出：比 Argon 减少约一半
• 过度执行率下降 26%，服务不足率下降 29%
• 遇到模糊需求会先查参考资料并提示信息差异，而非盲目推演

发布节奏很克制： 本周起先向一小部分网络安全防御人员开放，随后通过 Fairwind Program 逐步扩大至受信任伙伴，最终才面向开发者、企业与消费者——具体时间表未给出。谷歌称正参与美国政府发布前模型测试的自愿流程。

定价： 沿用 Argon 引入期标准，输入 $2/百万 token、输出 $10/百万 token，缓存输入享 95 折；引入期结束后调整为 $4 / $20。

为什么值得关注

1. 竞争焦点已经从"答得对"转向"能不能连续干几天活还不跑偏"。 长时程工程 + 抗注入 + 低过度执行，这三件事恰好是 agent 进入生产环境的三个前置条件。一个能做对单题但连跑三天会偏离目标、被一段网页文字劫持的模型，在现实工作里是不可用的。Carbon 这次把宣传重心几乎全部放在"可靠性"而非"聪明度"上，说明厂商自己也知道瓶颈在哪。

2. 抗注入归零是 agent 时代的关键指标。 当 agent 会自己去读邮件、逛网页、翻文档时，间接提示注入就是它最大的攻击面——攻击者不需要碰你的系统，只需要在 agent 会读到的地方留一段文字。Gray Swan 从 0.7% 降到 0%、Terminal-Bench 作弊率 0.0%，这类数字比智能指数更直接决定企业敢不敢放它上线。

3. 只给白帽、无全面时间表，是一次有意为之的取舍。 一个在漏洞发现和可利用性验证上都拿 SOTA 的模型，如果全面开放，攻防两侧会同时拿到。谷歌选择先通过 Fairwind Program 分层放行，实际上是把"能力越强、投放越慢"制度化。这也解释了业内对"频繁发榜却迟迟不落地"的质疑——这两件事其实是同一个决策的两面。

4. 半价首发是明确的价格战信号。 $2/$10 恰是 Opus 5.5 的一半。在长时程 agent 工作流里，token 消耗是天量，价格直接决定这类应用能不能跑得起来。模型厂商已经默认：未来的主要负载不是单轮问答，而是跑几天的 agent。

参考来源

• Google DeepMind Gemini 4 Carbon 发布公告（2026-10-29）
• Artificial Analysis Intelligence Index v5.0
• 环球网 / 腾讯新闻 / 中华网相关报道（2026-10-29 至 10-30）