Gemini 4 Carbon 发布 智能体基准跃居第二
Google DeepMind 推出 Gemini 4 Carbon，在基于真实任务的 Agent Arena 中排名第 2，净提升 16.2%。该模型在成本、时间和输出 Token 效率上处于帕累托前沿，相比前代 Argon 在任务完成率和可控性上有显著改进。
报道正文
Arena.ai (@arena) · 2026-10-28 21
@GoogleDeepmind 的 Gemini 4 Carbon 在 Agent Arena（智能体竞技场）中排名第 2，这是基于真实世界任务评估的结果（净提升 +16.2%），并且在成本、时间和每任务输出 token 数方面均处于帕累托前沿！
此次发布相比 Gemini 4 Argon（排名第 7，提升 +11%）高出 5 个排名位次，性能提升幅度达 +5.2 个百分点。
Agent Arena 的信号显示，Carbon 相对于 Argon 的提升主要源于：
-
获得的赞誉明显多于上一版本（赞誉与抱怨之比：+13.2 pp）
-
更频繁地完成任务（确认成功率：+5.6 pp）
-
更好地处理用户反馈（可引导性/Steerability：+4.8 pp）
敬请期待 @googledeepmind 发布的 Carbon 可用性更新，并点击帖子中的链接深入探索 Agent Arena。
↳ 引用 @arena (Arena.ai): 令人振奋的消息：来自 @GoogleDeepMind 的 Gemini 4 Carbon (High) 刚刚在 Arena 上惊艳亮相，位列 Text Arena（文本竞技场）第 1、Agent Arena（智能体竞技场）第 2 以及 Code Arena: WebDev（代码竞技场：网页开发）第 4。Gemini 4 Carbon 重返巅峰，提供前沿智能，并在三大竞技场中重塑了帕累托前沿。
在 Agent Arena 中，Gemini 4 Carbon 以 +16.2% 的净提升排名第 2，这一数据基于我们全球社区提供的超过 2.19 万次真实世界智能体会话，超越了顶级模型 GPT-6 Astra 和 Fable-5.1。其中位任务成本为 1.80 美元，比排名第 1 的 Claude Opus 5.5 (Max) 便宜 72%。
其在关键信号上的突出表现如下：
- 第 1 名 可引导性 (+18.6%)：当用户提出反对意见时，模型能否进行路径修正？
- 第 2 名 赞誉与抱怨之比 (+37.9%)：用户反应中的隐含情感倾向
- 第 3 名 确认成功率 (+18.7%)：用户明确表达“是的，这行得通”
在 Code Arena: WebDev 中，Carbon 得分 1768 分，排名第 4：
- 仅比第 3 名 Claude Sonnet 5.5 (xHigh)（1770 分）低 2 分
- 比第 11 名 Gemini 4 Argon (High)（1679 分）高 89 分
按类别划分，它在游戏与模拟类中排名第 3，在品牌与营销类中排名第 5。
在 Text Arena 中，Gemini 4 Carbon (High) 以 1528 分成为新的第 1 名，目前领先于排名第 2 的 Gemini 4 Argon (High)（1520 分）。
祝贺 @GoogleDeepMind 团队达成这一重大里程碑！
