Gemini 4 Carbon:谷歌两周一更抢回第一,但你现在还用不上 | Gemini 4 Argon | Artificial Analysis | 网络安全 | 长程任务 | AI智能体
三句話摘要
Google Gemini 4 Carbon 登上全球大模型榜首,但發布策略限制、成本龐大與產品短板讓其影響力面臨考驗。 ## 當模型兩週一更新、每次都自稱榜首,最值得思考的已不是誰是世界第一,而是這個「第一」的保質期究竟還剩幾週。 三大核心優勢的完整證據:Carbon 在網路安全上實現「找漏洞→驗證→補漏洞」全鏈路第一(SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71%),在超長上下文任務中以 96.2% 的成績領先第二名 20 多個百分點,並在可靠性指標上大幅改善——作弊率壓至 0%、注入攻擊防禦成功率 100%、無根據斷言減少 50%。
重點整理
三大核心優勢的完整證據:Carbon 在網路安全上實現「找漏洞→驗證→補漏洞」全鏈路第一(SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71%),在超長上下文任務中以 96.2% 的成績領先第二名 20 多個百分點,並在可靠性指標上大幅改善——作弊率壓至 0%、注入攻擊防禦成功率 100%、無根據斷言減少 50%。
綜合第一但局部落後:Carbon 在 14 項官方基準中拿 12 項第一,但在網頁開發排名全球第四、軟體工程被 GPT-6 Astra 反超、電腦操作被 Opus 5.5 反超,編程智能體組合分仍不如 Claude Code 方案,說明並未實現全面碾壓。
發布策略與用戶體驗的矛盾:Google 打破「發布即全量開放」的常規,採取分階段受限發布——先給網路安全防禦人員、再經由 Fairwind 計畫逐步擴大到開發者和消費者,引發社區不滿,被批評為「發布即難用的營銷遊戲」。
AI 賽局的成本困境:Google 收入翻倍、訂單充沛,但三季度資本開支暴漲 114% 至 513 億美元,自由現金流轉負 90 億美元,說明整個 AI 行業正面臨「燒錢速度快於收入增速」的局面。
##
實用技巧與重點
- 評測成績
- 智能指數:Carbon 59 分、Opus 5.5 58 分、GPT-6 Astra 57 分
- Google 官方基準:12/14 項第一
- Arena 文本榜:1528 分全球第一
- 網路安全基準
- SEC-bench Pro(漏洞發現):Carbon 88.2%、Astra 85.4%
- ExploitGym(漏洞驗證):Carbon 54.8%、Astra 42.4%
- CWE-bench(漏洞修補):Carbon 71.0%(允許試 4 次達 81%)
- 長程任務測試
- GraphWalks(256K–100M token):Carbon 96.2%、Astra 71.8%、Opus 5.5 66.8%
- Terminal-Bench 4.0:Carbon 65.2%、Opus 5.5 59.6%、Astra 59.1%
- 可靠性指標
- 作弊率:0.0%
- 嘗試捷徑比例:0.4%
- 無根據斷言減少:50%
- 越權操作減少:26%
- 敷衍漏做減少:29%
- 提示詞注入攻擊成功率:0.0%
- 知識可靠性正確率:48% → 58%
- 幻覺率:4% → 11%
- 定價與成本
- 推廣價:輸入 USD 2/百萬 token、輸出 USD 10/百萬 token
- 緩存命中折扣:95%(輸入 USD 0.1/百萬 token)
- 標準價:USD 4/輸入、USD 20/輸出(與 Opus 5.5 相同)
- 單次任務成本:Carbon USD 7.76、Opus 5.5 USD 10.04、Astra USD 6.24
- 輸出 Token 消耗:Carbon 比 Opus 5.5 少 29%
- Google 三季度財報
- 總營收:1275.77 億美元(年增 25%)
- Google Cloud 營收:307.09 億美元(年增 103%)
- 雲業務利潤率:36.2%(升自 23.7%)
- 積壓訂單:5610 億美元(預計 55% 以上在 24 月內轉化)
- 模型 API 負載:每分鐘 320 億個 token(年增 4 倍)
- Gemini 用戶:10 億
- 財富 100 強採用企業版:近 90%
- 資本開支:513.55 億美元(年增 114%)
- 全年指引:1950–2050 億美元
- 自由現金流:負 90.65 億美元
- 淨利潤:264.68 億美元(年跌 24%)
- 上下文與能力
- 支援長度:100 萬 token
- 推理與編程:通過內部基準驗證安全程式碼成功率翻倍、Chrome 補丁生成強 10 倍以上
- ##
結論
當模型兩週一更新、每次都自稱榜首,最值得思考的已不是誰是世界第一,而是這個「第一」的保質期究竟還剩幾週。
完整解析
Google 在 10 月 28 日發布 Gemini 4 Carbon,距離兩週前的 Argon 版本間隔極短,標誌著模型迭代週期的前所未有加速。按照第三方評測機構 Artificial Analysis 的智能指數排名,Carbon 以 59 分登頂,超越長期坐在第一的 Claude Opus 5.5(58 分)。不過這份評測是加權綜合分,在具體項目上 Carbon 並非全面領先——它在 Google 官方發布的 14 項核心基準中拿到 12 項第一,社區盲測 Arena 的文本榜全球第一,但在網頁開發、軟體工程、電腦操作等領域各被對手反超,編程智能體配上 Google 自家工具的組合分甚至不及 Anthropic 的 Claude Code 方案。
Carbon 最大的亮點集中在三個方向。首先是網路安全,Google 給出了完整的「漏洞發現→驗證→修補」三環節能力對標,其中漏洞發現基準 SEC-bench Pro 使用 183 個真實高危任務,Carbon 達到 88.2% 成功率,比 GPT-6 Astra 領先 2.8 個百分點;驗證環節 ExploitGym 上 Carbon 拿到 54.8% 而 Astra 只有 42.4%,拉開 12 個百分點;修補環節 CWE-bench 覆蓋 6 種程式語言、73 類安全弱點、120 個真實漏洞,Carbon 單次成功率 71%,允許試 4 次則達 81%。其次是超長上下文任務能力,Carbon 支援 100 萬 token 上下文,在 GraphWalks 測試的 256K–100M token 區間內取得 96.2% 成功率,領先第二名 Astra 的 71.8% 整整 25 個百分點,這意味著 Carbon 能在大型程式碼庫裡連續工作數天,自主定位並修補深層 bug。第三是可靠性的大幅躍進,Carbon 的作弊率從 Argon 的非零降至 0%、提示詞注入攻擊防禦達 100%、無根據斷言減少 50%、高嚴重性對齊警報下降近 80%。但需要注意的是,Carbon 在知識任務上的幻覺率從 Argon 的 4% 上升到 11%——這是產品性格的調整,Argon 過度謹慎(拿不準就不答),Carbon 選擇了敢答且基本可靠的路線,11% 的幻覺率在業界仍屬較低水準,遠低於 Opus 5.5 Max 和 Astra Max 的約 50%。
任務成本上,Carbon 輸出 token 消耗比 Opus 5.5 少 29%,單次任務平均成本 7.76 美元對比 Opus 5.5 的 10.04 美元便宜 23%,但仍高於 GPT-6 Astra 的 6.24 美元。然而發布策略打破了常規——Carbon 並非發布即全量開放,而是採取分階段受限發布,從本週開始僅限網路安全防禦人員使用,後續經由 Google 的 Fairwind 可信夥伴計畫逐步擴大到開發者和消費者,時間表未公開。Google 的邏輯是一個在漏洞發現、驗證、修補上都排名第一的模型本質上是雙刃劍,需要先交到守門員手裡才能控制風險。這個策略在社區引發大量不滿,被批評為「發布即難用的營銷遊戲」。與此同時,Google 三季度財報顯示另一面——總營收 1275.77 億美元年增 25%、Google Cloud 營收 307.09 億美元年增 103%、積壓訂單高達 5610 億美元,但資本開支暴漲 114% 至 513 億美元、全年指引維持 1950–2050 億美元、自由現金流轉負 90 億美元、淨利潤年跌 24%。這反映了當下 AI 行業的核心困境——收入和訂單在翻倍,但燒錢的速度翻倍得更快。
##


