Google 发布 Gemini 4 Carbon 主打网络安全与长程任务

Gemini 4 Carbon 是我们最强大的模型，具备顶尖的网络安全能力和长程任务处理能力。

---

---

您的浏览器不支持音频元素。

收听文章 [[duration]] 分钟

今天，我们宣布推出下一代前沿模型：Gemini 4 Carbon，这是我们最强大的模型，具备顶尖的网络安全能力和长程任务处理能力。

在近期更新的 Artificial Analysis Intelligence Index v5.0 版本中，Carbon 以 59 分位居第一。它在编码和智能体（agentic）任务以及网络安全防御所需的关键能力方面均显示出显著提升，在用于发现漏洞的 SEC-bench Pro（88.2%）、用于利用漏洞的 ExploitGym（54.8%）以及用于修补漏洞的 CWE-bench（71.0%）中确立了稳固的领先地位。在内部基准测试中，Carbon 在生成安全代码方面带来了强劲提升，并且在我们团队的实际编码环境中，其错位（misalignment）和虚构（fabrication）率有所降低。

基于两周前发布的 Gemini 4 Argon，Carbon 展示了我们推动前沿技术发展的速度。我们的研究人员与模型携手合作，加速能力提升，同时同步强化安全措施。

我们在部署方面采取审慎策略，并积极参与美国政府的自愿性发布前模型测试流程。从本周开始，我们将向部分网络防御人员开放 Carbon，并通过我们的 Fairwind Program 逐步向更多受信任的合作伙伴开放访问权限。在通过产品界面尽快向开发者、企业和消费者提供 Carbon 之前，我们将持续收集反馈并迭代优化护栏机制。

Gemini 4 Carbon 将以与 Argon 相同的入门价格 1 发布，即每百万输入 token 2 美元，每百万输出 token 10 美元，缓存输入 token 的价格为输入 token 价格的 5%（即享受 95% 折扣）。

提升针对高难度长程任务的编码与推理能力

专为应对更复杂、长周期的工程问题而设计，Carbon 旨在支持持续性的智能体（agentic）工作流。在内部实践中，我们的团队观察到 Carbon 能够连续运行数天，克服死胡同，从而处理复杂的、多步骤的工程任务，例如在大型代码库和底层系统中定位并修补细微的 bug。

基于用户反馈，我们重点提升了模型在多个领域的性能表现，包括编程、智能体任务、科学任务，以及全栈 Web 开发和多模态理解。随着 Web 开发输出质量和工件（artifacts）的提升，Carbon 在 WebDev Arena 排行榜上跃升了 +89 elo 分，位列第 4 名（1769 分）。

业界领先的网络安全性能，助力构建安全系统

Gemini 4 Carbon 在网络安全能力方面实现了显著飞跃。它在网络安全防御生命周期——漏洞检测、验证和修复——中均达到了业界最先进水平（state-of-the-art, SOTA）。

我们的团队已经在网络防御领域看到了强劲的增长。在内部基准测试中，与 Argon 相比，Carbon 在生成安全代码方面的成功率提升了超过 2 倍。另一个例子是，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高出 10 倍以上。作为领先的云安全平台，Wiz 也观察到 Carbon 在 Web 渗透测试基准测试中处于领先地位，这是其 Wiz's Scan for Good 计划的核心能力之一。

Carbon 在关键的外部基准测试中表现出色（在无护栏条件下评估）：

• 发现真实漏洞： 网络安全防御的核心在于发现真实漏洞。Carbon 在 SEC-bench Pro 上取得了 88.2% 的业界最先进成绩，能够自主挖掘隐藏在现实世界软件中的复杂缺陷。

• 通过利用漏洞来验证风险： 为了确定哪些漏洞需要优先修复或是否值得修复，网络防御者越来越依赖模型来检查哪些漏洞是可被利用的。Carbon 在流行的利用基准测试 ExploitGym 上创造了新的业界最先进纪录（54.8%）。

• 从根源修复漏洞： 在识别出漏洞后，从根本上解决这些问题是网络安全防御生命周期中的关键一步。Carbon 在 Collinear 的 CWE-bench 上取得了 71.0% 的成绩，能够将经过验证的发现直接转化为可用的代码修复方案。

推进前沿模型的安全与防护

Gemini 4 Carbon 继承了 Argon 的多层安全与防护体系——融合了模型训练、实时滥用防御、提示注入（prompt-injection）韧性以及思维链（chain-of-thought）监控。特别是在模型对齐方面，我们在 Argon 上取得了显著进展，并在我们的《安全与防护报告》中详细说明了其以符合对齐要求的方式运行的倾向性。对于 Carbon，我们挑战自我，在对齐方面更进一步，训练模型以正确的方式响应复杂或高压任务。

• 减少捷径与漏洞利用： 借助 Carbon，我们在训练过程中进一步遏制了走捷径的行为，同时确保了高质量的编码性能。在 Terminal-Bench 4.0 上，Carbon 将成功作弊率降至 0.0%，尝试作弊的比例也降至 0.4%——与此同时，整体准确率还得到了提升。在与内部团队进行的实时编程环境中，我们观察到高严重性对齐警报减少了近 80%。
• 更高的透明度与诚实度： 在我们的内部测试中，Carbon 相比 Argon 将无依据的断言减少了约 2 倍。它会将方法论上的注意事项直接纳入交付成果中，或者在阻止某些操作时明确列出仍需完成的事项，而不是捏造事实或针对缺失证据进行含糊其辞。
• 面对歧义时改善与用户的协作： Carbon 不会盲目猜测或强行推进，而是先检索相关来源并向用户揭示差异，然后再采取行动——因此，用户应能体验到与 Carbon 之间更顺畅的协作过程。
• 执行到位而不越界： Carbon 同时将“过度行动”（overreach）减少了 26%，将“服务不足”（under-service）减少了 29%，从而在尊重项目约束并严格保持在范围内的前提下，实现了多步骤计划端到端更可靠的执行。
• 抵御提示注入攻击： 虽然 Argon 此前以极低的 0.7% 攻击成功率在 Gray Swan 的间接提示注入（IPI）基准测试中领先于提示注入防御领域，但 Carbon 达到了 0.0%——成功抵御了所有评估的攻击尝试。

即将面向开发者、企业和消费者推出

推动前沿发展需要在保持部署审慎的同时快速行动。对于 Gemini 4 Carbon，我们的目标是在不牺牲安全性或可靠性的前提下，实现软件工程与网络安全防御领域的重大飞跃。我们期待看到首批网络防御者如何使用该模型，并计划在不久后将 Carbon 推向开发者、企业和消费者市场。

1

初始优惠期结束后，价格将调整为每百万输入 token 4 美元，每百万输出 token 20 美元。