北京时间 10 月 29 日凌晨，Google DeepMind 发布新一代旗舰模型 Gemini 4 Carbon。距离上一款旗舰 Gemini 4 Argon 向用户开放，只过去了两周；距离 Carbon 官宣，只有几个小时——几小时后，Alphabet 公布 2026 年第三季度财报。模型发布和财报电话会撞在同一天，这在巨头惯例里极少见。

更有戏剧性的是结果：Carbon 在第三方评测机构 Artificial Analysis 最新发布的 Intelligence Index v5.0 上以 59 分登顶，超过 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分，比自家上一代 Argon 高出 9 分——谷歌时隔两个季度重新拿回"全球最强模型"的位置。但财报公布后，Alphabet 股价盘后一度下跌约 10%，市值蒸发超过 3000 亿美元。模型第一和股价第一，第一次在同一个夜晚分道扬镳。

跑分之外，真正的增量在长程任务

按照官方口径，Carbon 的定位是"网络安全与长程任务的最强模型"。Artificial Analysis 的 v5.0 榜单本身也值得注意：新版本新增了两项基准、剔除了对前沿模型已经饱和的旧题——评测机构在追赶模型，这本身就说明前沿竞争进入了换尺子的阶段。

谷歌公布的 17 项基准对比中，Carbon 拿下 15 项第一（vendor 自报）。几组关键数字：Terminal-Bench 4.0 从 Argon 的 57.1% 提到 65.2%；GraphWalks 百万 token 长上下文 96.2%；Agents' Last Exam 77.4%。网络安全三条线全部刷新纪录——漏洞发现 SEC-bench Pro 88.2%、漏洞利用验证 ExploitGym 54.8%、自动修补 CWE-bench 71.0%；官方称安全代码生成成功率超过 Argon 的 2 倍，Chrome 团队报告高质量补丁生成"超过另一家实验室的前沿模型 10 倍以上"（vendor 口径，未指明对象）。

但最值得单独拿出来说的，是长程能力的描述：谷歌内部测试中，Carbon 已能连续运行数天处理单个多步骤任务，在走进死路后重新寻找路径，最终定位和修复大型代码库中的复杂问题。过去我们讨论 Agent 的执行时长，单位是分钟，最好情况是小时；"以天为单位持续工作"从产品愿景变成官方测试描述，这是本次发布里信息量最大的一句话。

可靠性方面也有具体数字：与 Argon 相比，高严重性失准警报减少近 80%，无事实依据的陈述减少约一半；在 Terminal-Bench 4.0 的编程挑战里，模型尝试"走捷径作弊"的比例仅 0.4%，且无一成功。这些指标过去只在安全报告里出现，现在被放进了旗舰模型发布的正文——对齐质量正在变成模型发布会的卖点。

定价延续"低价进场、到期翻倍"

Carbon 的 1M token 上下文窗口支持文本、图像、视频和语音输入。定价与 Argon 完全同一套打法：介绍期输入 2 美元/百万 token、输出 10 美元，缓存输入享受 95% 折扣低至 0.2 美元；介绍期结束后恢复 4 美元和 20 美元，结束时间未定。

Artificial Analysis 测算，得益于更强的代码执行能力和更低的重试率，Carbon 跑完 Intelligence Index 综合测试的平均单次成本约 7.76 美元，比 Claude Opus 5.5 的 10.04 美元低约 23%。也就是说，虽然标价相同，能力提升带来的重试率下降让实际成本又降了一截——这印证了最近两个月行业竞争的主线：不是比谁的标价低，而是比"完成同一个任务实际花多少钱"。

需要泼冷水的有两点。第一，Carbon 目前不向公众开放：没有 API，首发只给一小部分经审核的网络安全防御人员，后续通过 Fairwind 计划逐步扩大至可信合作伙伴，普通开发者和消费者的开放时间没有给出——这已经是 Gemini 4 系列连续第二代采用"安全人员先拿"的受控发布流程，谷歌还透露正在参与美国政府自愿开展的模型发布前测试。发布顺序本身成了产品策略。第二，Carbon 的架构细节谷歌没有披露，它究竟是不是 Argon 训练后期的检查点、还是加大了后训练强化学习的力度，外界只能推测；59 分和 58 分之间一分之差，榜单之外的实战表现要等开放后验证。

模型第一，为什么救不了股价

资本市场的反应给出了这轮竞争最诚实的注脚。同一天公布的 Alphabet Q3 财报其实不差：季度营收 1276 亿美元，同比增长 25%；谷歌云收入同比翻倍，增速 103%；Gemini 应用月活达到 10 亿。但盘后股价照跌 10%。

卖方分析（海豚投研观点）的解释是：谷歌已连续两个季度在前沿模型迭代上落后，Argon 虽然提升明显，但编程能力与前沿同行仍有差距、性价比也不在最优区间，这直接影响 API 收入的增长曲线。Carbon 能不能扭转这个判断，要等它真正开放、开发者用真金白银投票之后——榜单分数不进财报。

对行业来说，这一天其实锚定了两个新常态：其一，旗舰模型的迭代周期从季度压缩到了两周，"周期表"式的命名成了官方玩梗（Argon 是惰性气体，Carbon 在高压下变成钻石——按官方的说法，Carbon 就是在高压下炼出来的）；其二，"模型第一"的估值折价在收窄，资本市场已经学会穿透跑分榜，直接看 token 收入和云签单。接下来的催化可能不在跑分，而在个人 Agent 的入口之争和 TPU 对外签单的放量。

发布前的最后一个悬念留给 11 月：Carbon 何时开放、Claude 和 OpenAI 的下一手怎么应——毕竟 Opus 5.5 只领先了 22 天。

参考来源

• 澎湃新闻：《谷歌重夺大模型第一，华尔街却不买账》https://m.thepaper.cn/newsDetail_forward_34363856
• 中新经纬（援引第一财经）：《模型重回第一但财报不争气，谷歌盘后股价大跌近10%》https://www.jwview.com/jingwei/html/10-29/694707.shtml
• 凤凰网科技：《"北美豆包"成全球最强模型，谷歌市值跌超3000亿美元》https://www.toutiao.com/article/7701927552587186739
• 腾讯新闻：《谷歌发布旗舰模型Gemini 4 Carbon 强化网络安全能力》https://news.qq.com/rain/a/20261030A06CX100
• I-Scoop: Gemini 4 Carbon tops the frontier benchmarks https://www.i-scoop.eu/gemini-4-carbon