Gemini 4 Carbon：我们的下一代前沿模型

2026 年 10 月 28 日

作者：Koray Kavukcuoglu，Google DeepMind 高级副总裁、Google 首席 AI 架构师

Gemini 4 Carbon 是我们最强的模型，在网络安全和长时程（long horizon）能力上达到业界最优。

今天，我们宣布下一代前沿模型：Gemini 4 Carbon —— 我们最强的模型，在网络安全和长时程能力上达到业界最优。

Carbon 在最近更新的 v5.0 版 Artificial Analysis 智能指数（Intelligence Index）上以 59 分排名第一。它在编码与智能体任务上显著提升，在网络安全防御关键的若干能力上同样显著提升：在发现漏洞的 SEC-bench Pro（88.2%）、利用漏洞的 ExploitGym（54.8%）和修补漏洞的 CWE-bench（71.0%）上均取得明显领先。在内部基准上，Carbon 在生成安全代码方面带来显著跃升；在我们自己团队的实时编码环境中，它的对齐失当与捏造率都有所下降。

Carbon 建立在两周前发布的 Gemini 4 Argon 之上，它体现了我们推进前沿的速度。我们的研究人员与模型携手并进，更快地提升能力，同时同步加强防护措施。

我们对发布采取审慎做法，并积极参与美国政府自愿性的发布前模型测试流程。从本周开始，我们将把 Carbon 提供给一部分网络防御者，并通过我们的 Fairwind 计划逐步向更多受信任伙伴开放。我们会继续收集反馈、迭代护栏，随后尽快通过我们的产品界面把 Carbon 提供给开发者、企业和消费者。

Gemini 4 Carbon 将以相同的入门价格发布#

1 与 Argon 相同：每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 按输入 token 价格的 95% 折扣计价。

1 入门期结束后，将适用每百万输入 token 4 美元、每百万输出 token 20 美元的价格。

为困难的长期任务改进编码与推理#

Carbon 旨在应对更难、更长时程的工程问题，为持续的智能体工作流而构建。在内部，我们的团队已经看到 Carbon 连续运行数天，穿越死胡同，处理复杂多步工程任务，例如在大型代码库和底层系统中定位根因并修补隐蔽缺陷。

基于用户反馈，我们着重改进了模型在多个领域的效果，包括编码、智能体和科学任务，以及全栈 Web 开发和多模态理解。随着 Web 开发中输出与产物的质量提升，Carbon 在 WebDev Arena 上跃升 +89 elo 分，以 1768 分位列第 4。

业界最优的网络安全性能，助力构建安全系统#

Gemini 4 Carbon 在网络安全能力上带来显著跃升。它在网络安全防御全生命周期——漏洞发现、验证与修复——上达到业界最优表现。

我们的团队已经在网络防御中看到强劲收益。在内部基准上，Carbon 生成安全代码的成功率比 Argon 提升 2 倍以上。另一个例子是，Chrome 团队报告，在生成高质量补丁时，Carbon 的表现比另一个实验室的大型前沿模型好 10 倍以上。我们领先的云安全平台 Wiz 也观察到，Carbon 在 Web 渗透测试基准上领先——这是 Wiz "Scan for Good" 计划的核心能力。

Carbon 在关键外部基准上表现优异（评估时不启用护栏）：

• 发现真实漏洞：网络安全防御的核心是发现真实漏洞。Carbon 在 SEC-bench Pro 上达到业界最优的 88.2%，能自主挖掘隐藏在真实软件中的复杂缺陷。
• 通过利用验证风险：为确定哪些漏洞优先修复、或究竟是否修复，网络防御者越来越依赖模型来判断哪些漏洞可被利用。Carbon 在流行的利用基准 ExploitGym 上创下新的业界最优（54.8%）。
• 从根因处修补：在识别漏洞之后，修复根因是网络安全防御生命周期中的关键一步。Carbon 在 Collinear 的 CWE-bench 上达到 71.0%，能把已验证的发现直接转化为可用的代码修复。

推进前沿模型的安全与防护#

Gemini 4 Carbon 沿用与 Argon 相同的多层安全与防护栈——结合模型训练、实时滥用防御、提示注入韧性以及思维链（chain-of-thought）监控。特别是在 Argon 上，我们在模型对齐方面取得了重大进展，并在《安全与防护报告》中报告了其表现出对齐行为的倾向。在 Carbon 上，我们给自己提出更进一步的对齐挑战，训练模型以正确方式应对复杂或高压任务。

• 减少走捷径与钻漏洞：在 Carbon 上，我们进一步减轻了训练中的捷径尝试，同时保持高质量编码表现。Carbon 把在 Terminal-Bench 4.0 上成功作弊的比例降至 0.0%，作弊尝试降至 0.4%——而且整体准确率还有提升。在与内部团队的实时编码环境中，我们观察到高严重度的对齐告警下降近 80%。
• 更高的透明度与诚实度：在内部测试中，Carbon 把缺乏支撑的断言比 Argon 减少约 2 倍。它会把方法学上的保留说明直接写进交付物，或在拒绝执行被阻止的动作时清楚列出仍需满足的条件，而不是在证据缺失时捏造或含糊其辞。
• 在歧义面前更好地与用户协作：Carbon 不会猜测或强行推进某条路径，而是检索相关来源，并在行动前向用户指出不一致之处——因此用户应当会感受到与 Carbon 协作体验明显更好。
• 执行到底而不越界：Carbon 同时把越界（overreach）减少 26%、把服务不足（under-service）减少 29%，从而在多步计划端到端执行上更可靠，同时尊重项目约束、严格遵守范围。
• 抵御提示注入：Argon 此前以极低的 0.7% 攻击成功率在 Gray Swan 的间接提示注入（Indirect Prompt Injection，IPI）基准上领先，而 Carbon 达到 0.0%——抵御了所有被评估的攻击尝试。

即将面向开发者、企业和消费者推出#

推进前沿既需要快速行动，也需要对部署保持审慎。对于 Gemini 4 Carbon，我们的目标是在软件工程与网络安全防御上实现有意义的跃升，同时不在安全或可靠性上妥协。我们期待看到首批网络防御者如何使用这个模型，并期待很快把 Carbon 带给开发者、企业和消费者。

相关文章：安全与防护——负责任且安全地开发 Gemini 4 Argon（作者 Anca Dragan、Raluca Ada Popa）；开发者工具——Gemini 4 Argon 现已面向开发者提供；Gemini 模型——Gemini 4 Argon：为攻克你最困难的问题而生（作者 Koray Kavukcuoglu）；AI——我们在 2026 年 9 月发布的 AI 新闻（博客团队）；Gemini 模型——Gemini 4 Argon：我们前沿智能的新纪元（作者 Koray Kavukcuoglu）；Gemini 模型——看看 4 位构建者用 Gemini 3.8 Flash 做了什么（作者 Lindsey Lanquist）。